bccd

با مجموعه‌ها، منظم بمانید ذخیره و دسته‌بندی محتوا براساس اولویت‌های شما.

  • توضیحات :

مجموعه داده BCCD یک مجموعه داده در مقیاس کوچک برای تشخیص سلول های خونی است.

با تشکر از داده های اصلی و حاشیه نویسی از cosmicad و akshaylamba. مجموعه داده اصلی مجدداً در قالب VOC سازماندهی شده است. BCCD Dataset تحت مجوز MIT است.

آماده سازی داده برای استفاده از یادگیری ماشین مهم است. در این پروژه از الگوریتم Faster R-CNN از keras-frcnn برای تشخیص اشیا استفاده شده است. از این مجموعه داده، nicolaschen1 دو اسکریپت پایتون را برای ایجاد داده های آماده سازی (فایل CSV و تصاویر) برای تشخیص ناهنجاری های سلول های خونی در تصاویر پزشکی ایجاد کرد.

export.py: فایل "test.csv" را با تمام داده های مورد نیاز ایجاد می کند: نام فایل، نام کلاس، x1، y1، x2، y2. plot.py: کادرهای هر تصویر را رسم می کند و آن را در یک فهرست جدید ذخیره می کند.

نوع تصویر: jpeg (JPEG) عرض x ارتفاع: 640 x 480

شکاف مثال ها
'test' 72
'train' 205
'validation' 87
  • ساختار ویژگی :
FeaturesDict({
    'image': Image(shape=(480, 640, 3), dtype=uint8),
    'image/filename': Text(shape=(), dtype=string),
    'objects': Sequence({
        'bbox': BBoxFeature(shape=(4,), dtype=float32),
        'label': ClassLabel(shape=(), dtype=int64, num_classes=3),
    }),
})
  • مستندات ویژگی :
ویژگی کلاس شکل نوع D شرح
FeaturesDict
تصویر تصویر (480، 640، 3) uint8
تصویر/نام فایل متن رشته
اشیاء توالی
اشیاء/bbox ویژگی BBox (4،) float32
اشیاء/برچسب ClassLabel int64

تجسم

  • نقل قول :
@ONLINE {BCCD_Dataset,
    author = "Shenggan",
    title  = "BCCD Dataset",
    year   = "2017",
    url    = "https://github.com/Shenggan/BCCD_Dataset"
}