我想檢測顯微鏡圖像單元格內的對象。我有很多帶註釋的圖像(應用程序50.000圖像與對象和500.000沒有對象)。圖像中的對象檢測(HOG)
到目前爲止,我嘗試使用HOG提取特徵並使用邏輯迴歸和LinearSVC進行分類。我已經嘗試了HOG或色彩空間(RGB,HSV,LAB)的幾個參數,但我沒有看到很大的差異,預測率大約爲70%。
我有幾個問題。我應該使用多少圖片來訓練描述符?我應該使用多少圖片來測試預測?
我已經嘗試過大約1000張訓練圖像,這給我55%的積極和5000,這給我72%的積極。但是,這也取決於測試集,有時測試集可以達到80-90%的正檢測圖像。
下面是包含一個對象的兩個例子和兩個圖像沒有對象:
的另一個問題是,有時圖像包含幾個對象:
我應該嘗試增加學習集的示例嗎?我應該如何選擇訓練集的圖像,只是隨機?我還能嘗試什麼?
任何幫助將非常感激,我剛開始發現機器學習。我正在使用Python(scikit-image & scikit-learn)。
非常感謝您的建議,他們非常有幫助!我很快嘗試了LAB直方圖(也從scikit-image郵件列表中建議),看起來像使用亮度通道,我可以獲得非常好的結果,用於正確檢測對象的單元格。然而它預測對於沒有對象的單元格非常糟糕。另一方面,爲了檢測沒有物體的細胞,HOG表現得非常好。我認爲將這兩種模式結合起來可能會起作用(我不確定這是否可行)。我仍然沒有交叉驗證,所以這都是初步的。謝謝你的提示! – snowflake
細胞周圍常有其他物體染黑,但不應檢測到。我認爲這就是爲什麼當使用LAB直方圖時,我會得到很多誤報,但與HOG無關。 – snowflake
我還有一個問題,它看起來像垃圾桶的大小起着很大的作用。我如何選擇合適的紙盒尺寸?是否有任何規則或者像「嘗試和錯誤」? – snowflake