天池比赛-肺部CT多病种智能诊断-全球数据智能大赛(2019)——“数字人体”赛场一

说明

• 成绩：初赛B榜：41/1635

• 复赛：35

• 赛题数据说明。

• 本次医疗比赛采用YOLOv3进行病灶检测，使用ResNet进行假阳性衰减，实现过程简单，直接，准确率一般，但适合新人上手，可以作为baseline。

代码目录说明

|--data
    |--testA
    |--train_part1
    |--train_part2
    |--train_part3
    |--train_part4
    |--train_part5
    |--chestCT_round1_annotation.csv
|--code
    |--kmeans-anchor-boxes-master
    |--model_data
    |--yolo3
    ...
    |--yolov3.weights
|--README.md

代码使用说明

• 下载赛题数据，将数据放在data文件夹下。
• 下载YOLOv3权重 yolov3.weights，放在code文件夹下。
• 运行python convert.py -w yolov3.cfg yolov3.weights ./yolo.h5，生成keras预训练权重。
• 运行generate_the_image.py生成待训练图片。
• 运行lt_annotation.py生成注释文件train.txt。
• 运行lt_train.py进行YOLO训练。
• 运行lt_yolo_image.py生成预测结果。
• 运行ResNet_train.py进行假阳性网络训练。
• 运行ResNet_test.py生成最终结果csv文件。

其他说明

• 环境和硬件：Python 3.5.4，Keras 2.2.4，GPU 1080Ti。
• 如使用自己的锚，请运行code/kmeans-anchor-boxes-master/lt_get_anchor.py，将生成的锚放在code/model_data/lt_yolo_anchors.txt中。