论文复现
文章平均质量分 88
一些论文复现的代码
Creep___
I am a creep, I am a weirdo
展开
-
Sipakmed:a new dataset feature and image based classification of cervical cells——记一次复现论文经历(一)
最先使用的是Image features是因为我个人比较熟悉,所以先做的那个,后来把cell featurs 和deep features的也做了,涉及到了svm cell features 首先看一下数据文件。五类细胞分为细胞质和细胞核特征。 每个dat文件有28列,其中,第一列是这个特征所属的细胞块图像编号,第二列是该细胞块图像的细胞编号(一张细胞块图像里有多个细胞),这两列不属于特征,所以在训练的时候要把这两列去掉。 ...原创 2020-08-02 15:52:27 · 676 阅读 · 4 评论 -
Sipakmed:a new dataset feature and image based classification of cervical cells——记一次复现论文经历(四)
Image features 训练代码 目前还只做了这个 Image features的实验 import torch import torch.utils.data as Data import torch.nn as nn import numpy as np import torchvision from torchvision import datasets,transforms #hyper parameters EPOCH = 80 BATCH_SIZE=50 LR = 0.0001 tra原创 2020-07-26 21:49:22 · 569 阅读 · 2 评论 -
Sipakmed:a new dataset feature and image based classification of cervical cells——记一次复现论文经历(三)
Evaluation on sipakmed 一、理论分析 这一部分主要是说论文的评估策略。我第一次看以为这个5-folder是五个目录下的数据进行验证,太天真了。这里的5-folder cross validation是五折交叉验证的意思: 把所有的数据等分为五份(因为是五折,如果是十折就是十份) 每一次选这五份中的一份作为测试集,剩下的就是训练集 直到每份都作为了一次测试集 也就是说,所有的数据被训练了五次,最后用五次测试的平均精度来评估模型 二、代码(纯python) 数据集目录 现原创 2020-07-26 21:48:25 · 626 阅读 · 1 评论 -
Sipakmed:a new dataset feature and image based classification of cervical cells——记一次复现论文经历(二)
3.2 Image Features cell Features部分要用到SVM和MLP,我不太熟悉就先没做这个实验。 这一部分说的是对Image Features的训练策略:包括网络、超参数、数据处理等。 CNN网络:VGG19,输入:80*80 损失函数:cross-entropy loss 优化器:SGD 超参数:batch_size = 50, lr = 0.0001 数据增强:每一张图片 水平、垂直、水平垂直翻转后多了3张,也就是数据增强后的数据集总量是原来的4倍了。 ...原创 2020-07-26 21:47:44 · 641 阅读 · 7 评论 -
Sipakmed:a new dataset feature and image based classification of cervical cells——记一次复现论文经历
Sipakmed:a new dataset feature and image based classification of normal and pathological cervical cells in pap smear images 论文链接 数据集链接 如果下载慢可以私信我。原创 2020-07-26 21:46:54 · 1218 阅读 · 4 评论