ufris

https://github.com/Paperspace/DataAugmentationForObjectDetection?fbclid=IwAR2qpmB-Q1p7XJXrYJtpgia7NYKC8o0uwFuizisdYJ6LFLxO6L0FEILhH3g Paperspace/DataAugmentationForObjectDetection Data Augmentation For Object Detection. Contribute to Paperspace/DataAugmentationForObjectDetection development by creating an account on GitHub. github.com 위와 같이 이미지 처리에 따라 box의 좌표도 자동으로 계산해서 조정해준다

ubuntu version = 16.04 conda install tensorflow-gpu=1.10 pip install keras=2.2.4 를 깔면 failed to create session 문제가 발생하는 경우가 있습니다 그럴때 conda install cudatoolkit==9.0.0 으로 cuda version을 9.0로 지정해서 깔면 됩니다 여러분들은 개고생하지 마시고 빠르게 에러 문제를 해결하시기 바라는 마음으로 포스팅을 합니다

Focal loss 논문 Focal loss는 object detection의 한 종류인 retinanet에서 쓰인 loss function 입니다 다른 블로그에 가면 Focal loss에 대해 설명을 아주 자세하게 해놓은 곳이 많은데 간단하게 Focal loss를 요약하자면 잘 찾은 class에 대해서는 loss를 적게 줘서 loss 갱신을 거의 하지 못하게 하고 잘 찾지 못한 class에 대해서는 loss를 크게 줘서 loss 갱신을 크게 하는 것입니다 그 차이를 만드는 역할을 하는 것이 gamma 입니다 수식은 간단합니다 기존 cross entropy * ((1-Pt) ** gamma) 를 곱하면 됩니다* Pt = probability 위의 결과는 잘 찾았을 때(0.9의 확률로 classificat..

classification의 경우에 one hot을 한 라벨값의 arg_max 와 예측값의 arg_max 가 같은 경우를 평균내는 것으로 정확도를 산출합니다. segmentation는 라벨 이미지의 픽셀값과 예측해서 나온 이미지 픽셀값 하나 하나를 매치시켜 그것이 얼마나 겹치는지를 통해 정확도를 측정합니다. 설명보다 그림 한장이 이해가 더 빠릅니다. 위의 그림을 보시면 대충 어떤 느낌인지 이해가 되실 겁니다. 아래는 IOU에 대한 설명과 코드입니다. tensorlayer 라는 패키지 안에 IOU가 구현되어 있기 때문에 tensorlayer를 설치하시고 쓰시면 됩니다. def iou_coe(output, target, threshold=0.5, axis=[1, 2, 3], smooth=1e-5): """N..

brats 데이터처럼 CT는 주로 mha 확장자로 저장이 되어 있습니다(다른 확장자의 경우도 있습니다). 이를 이미지로 저장하려면 mha 파일을 불러와서 CT 이미지 한장 한장을 png 나 jpg 로 저장해야 합니다. import skimage.io as io import scipy.misc as sm import os, cv2 import matplotlib.pyplot as plt[필요한 패키지]mha_path = 'D:/BRATS2015' os.chdir('D:/BRATS2015') for (path, dir, files) in os.walk(mha_path): print(path) for filename in files: print(filename)mha 가 들어있는 파일을 찾기 위해서는 가장 상..

논문 PDF - H-DenseUNet: Hybrid Densely Connected UNet for Liver and Liver Tumor Segmentation from CT Volumes논문의 주제는 간의 종양을 segmentation 하는 것입니다. 제목에서 볼 수 있듯이 Unet 에 Densenet 을 넣어서 만든 모델로 DenseUnet 이라고 부릅니다. H-Densenet 에서 H 는 hydrid 로 2D 와 3D 를 합친 모델이기 때문에 H-Densenet 이라고 명명했습니다. [2D 아키텍처] loss 값도 상당히 낮고 정확도도 높기 때문에 2D 부분만 가져와서 brats 2015 데이터에 적용해 봤습니다. class Denseunet_Model: def __init__(self): sel..