本博客主要讲述关于图像分类的相关内容,从入门到最后(因为我也在学习,也不知道能学成什么样子,所以也不好说精通),希望有兴趣的各位同学积极留言~
就在近期本人参加了“2017 中国大数据人工智能创新创业大赛 ”的“病理切片识别 AI 挑战赛”。该比赛的题目是根据所给出的训练集进行图像的分类及分割。数据集是一组胃癌数字病理样本,为常规 HE 染色,放大倍数 20×,图片大小为 2048×2048像素,比赛数据为整体切片的部分区域,数据格式为 tiff 格式。所有数据均按照国际通行医疗信息脱敏标准进行脱敏处理,切实保障数据安全。数据集包含560个正样本(cancer)与140个反样本(non_cancer),对于正样本还单独给出了其中癌细胞位置的标注(svg)图片,由于后期癌症部位的分割。
初赛是进行图像分类,复赛是进行图像分割(或者说是癌细胞的识别)。然而,就像大家想象的,我并没有进入复赛,排名三位数,具体就不说了,挺丢人的。但是实话说知耻而后勇,有了这次的失败,激发了我对于深度学习更深层次的思考。深度学习,尤其在其应用的方面,所涉及的内容要比目前所看到的教程、课程等要深和广。如果仅仅将深度学习定义为下载一个模型,之后在调调参数的话,很难有长足的进步。所以在哪跌倒的在哪爬起来,我就开设了这样的一个专栏,让自己从不完美逐步走向完美。
一、对于题目的初步理解
在最开始看这道题的时候,我的心里很开心,暗自觉得这道题实