【问题标题】:how do i prepare training set for a set of images? so that i can predict my test data我如何为一组图像准备训练集?这样我就可以预测我的测试数据
【发布时间】:2017-02-22 19:38:15
【问题描述】:

我已经提取了所有特征,比如大约 15 个特征,对于医学图像,现在我需要将它们分类为正常 (0) 或异常 (1)。如何为这些图像准备训练数据?我尝试使用 ground truth 来测试数据,这是正确的做法吗?

【问题讨论】:

  • 不清楚你在问什么。要训​​练模型,您需要具有标记数据(在您的情况下为 0 或 1)和您拥有的特征。哪个部分令人困惑?你不知道如何训练一个模型,或者这个特殊情况有什么让你困惑的地方吗?
  • 准备训练数据的步骤很多,请说的更具体些。
  • 欢迎来到 StackOverflow。请阅读并遵循帮助文档中的发布指南。 on topichow to ask 在这里申请。

标签: image-processing machine-learning classification


【解决方案1】:

如果您使用神经网络(更准确地说是卷积神经网络),像素本身就是特征,因此准备(预处理)仅与以下内容相关:

  • 分辨率降低
  • 从原始训练集创建人工数据(在原始数据中添加一些失真、反射和变化)
  • 归一化(获得几乎 0 的均值和低方差)例如,如果您的数据是一个通道深度(灰度),范围从 0 到 255,您可以执行以下操作: 数据 =(数据 - 平均值(数据))/255

【讨论】:

    猜你喜欢
    • 2017-09-07
    • 1970-01-01
    • 2015-11-13
    • 2013-06-09
    • 1970-01-01
    • 1970-01-01
    • 2016-10-16
    相关资源
    最近更新 更多