病理组织图像实例级预测结果转大图预测结果

---

准备工作

需要把实例图片信息（文件名）按照大图顺序排列，保证一个大图切出来的实例是紧挨着的，并且文件名有判断价值，因为后续主要用文件名判断是否属于同一个大图。

---

一、找到网络模型的预测网络入口

from classification import Classification

classfication = Classification()

二、读取数据信息，设置初始化变量

代码如下（示例）：

f = open('.../***.txt', 'r')

files = f.readlines()  # 读取整个文件所有行，保存在 list 列表中
[la,lb] = [0,0]
tmp = '0'
correct_num=0
error_num=0
[a,b] = [1,1]

三、循环判断

代码如下（示例）：

for filename in files:
        filename = filename[:-1]
        image = Image.open('image_path'+filename)

        class_name, probability= classfication.detect_image(image)
        if filename[:12] == tmp:

            if class_name == 'A' :
                la = la+1
            elif class_name=='B':
                lb = lb+1
           
        elif filename[:12] != tmp:
            if class_name == 'A':
                la = 1
                lb = 0
            elif class_name == 'B':
                la = 0
                lb = 1
           
            m = max(a,b)
            if m==a:
                print(tmp+',0,正确')
                # print(tmp+'预测成功，acc为:{0}'.format(acc))
                correct_num = correct_num+1
            elif m==b:
                print(tmp + ',1,失败')
                # print(tmp + '预测失败')
                error_num = error_num+1
        tmp = filename[:12]
        a = la
        b = lb

---