Competitions Notes

Kaggle 细胞核识别

Notes Details :一些Introduction, Related work...

Introduction

https://www.kaggle.com/competitions

Find the nuclei in divergent images to advance medical discovery (2 months to go)

目标要创建一个自动化细胞核检测算法，加快医学研究。官方给出了一些测试集和训练集，问题可以转化为在图像中找到特定的目标？

部分images数据如下：

(mask为细胞核的mask二值图)

关于题目更多的背景介绍可以看 这里。

TODO

task	完成情况	comment
mask-rcnn环境搭建	✔
mask-rcnn training	✔
调参	进行中
Data Augmentation	进行中

待处理

• [✔] 计算图像平均RGB值，并重新训练
• [✔] Data Augmentation(需要解决images和多张masks不匹配问题)
• [x] 修改最后两层的初始化方法(xavier)
• [x] 修改网络结构，如删除最后两层再进行训练

关于Data Augmentation的可以参考这个:

http://keras-cn.readthedocs.io/en/latest/preprocessing/image/

Notes

• U-Net

  U-Net: Convolutional Networks for Biomedical Image Segmentation

  

  一个做医学图像分割的网络，数据集是International Symposium on Biomedical Imaging (ISBI)的 workshop 比赛。Kaggle上有个Kernel实现这个U-Net：

  https://www.kaggle.com/keegil/keras-u-net-starter-lb-0-277

• Windows 下的Mask-RCNN编译

  

  • Github repo:

    https://github.com/matterport/Mask_RCNN (亲测可行)

  

  • CSDN上有个这个repo的踩坑记录(http://blog.csdn.net/u011974639/article/details/78483779?locationNum=9&fps=1)
  • Github上有个Mask-RCN的细胞核检测Baseline(https://github.com/killthekitten/kaggle-ds-bowl-2018-baseline)
  • Kaggle上面有个kernel用Mask-RCNN加上其他一些trick的,目前排名第七(https://www.kaggle.com/c/data-science-bowl-2018/discussion/50795)

  Mask_RCNN/model.py 是Mask-RCNN的 resnet101 实现； Mask_RCNN/train_shapes.ipynb 是用自己数据集训练Mask_RCNN的一个demo，其中 ShapesDataset 类下的 load_image() 、 load_mask() 、image_reference() 方法需要重写以向外提供数据。 poc/train_nuclei.py 就是将此project应用于检测细胞核的尝试。

• Data Augmentation

  由于数据集太小，在此对Data做Agumentation以扩大Dataset