下载W3Cschool手机App，0基础随时随地学编程导语
Hi~~~
“浮云一别后，流水十年间。”忙忙碌碌中发现又有多日没有更新公众号了，过来更一发~~~
【下个月再开始推一些爬虫相关的内容吧，这个月确实没什么时间。】
利用全卷积网络+滤波器实现细胞检测。
让我们愉快地开始吧！
相关文件
密码: 5f5k
开发工具
Python版本：3.6.4
相关模块：
numpy模块；
PIL模块；
scipy模块；
TensorFlow-GPU模块；
tensorlayer模块；
matplotlib模块；
以及一些Python自带的模块。
TensorFlow-GPU版本：
1.6.0
测试平台：
Windows10
环境搭建
安装Python并添加到环境变量，pip安装需要的相关模块即可。
其中，TensorFlow-GPU的环境搭建请自行参考相关的网络教程，注意版本和驱动严格对应即可。
原理简介
利用简单的全卷积网络+高斯和统计排序滤波器实现的细胞检测算法。
其中全卷积网络的结构为：
训练集包含6种类型的细胞图像：
(依据其中心进行分类)
(1)细胞重叠：
(2)非目标细胞：
(3)细胞边缘
(4)细胞间隙：
(5)背景：
(6)细胞中心点：
T_T相信聪明的小伙伴已经猜到了：
我们采用的细胞检测算法其实就是利用滑动窗口遍历给定的图像，把每个窗口的图像感受野输入到训练好的网络，判断该窗口的中心是否为细胞中心，若是则标出。该思想类似于RCNN，不过我们对检测结果加了滤波器来提高其精度。
至于具体实现过程，详见相关文件中的源代码。
使用演示
模型训练：
在cmd窗口运行train.py文件即可。
相关文件中提供了原始数据集和转为tfrecords格式的数据集。训练只需使用tfrecords格式的数据集即可。若想自己生成，则将下图中的注释去掉，并将该函数中的原始数据集路径修改为你自己的数据集路径：
训练效果图：
模型测试：
相关文件中提供了训练好的模型，在cmd窗口运行test.py文件即可，运行前请自行修改该文件内的测试图像路径：
效果展示
原图像1：
检测效果1(注意红点)：
原图像2：
检测效果2：
That'all~~~
更多
模型设计的比较简单，效率比较低。之后会推送一些高端点的算法~~~
代码截止2018-05-30测试无误。
