-
成绩:初赛B榜:41/1635
-
复赛:35
-
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。
|--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
- 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。
- 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。