本文转载至知乎ID：Charles（白露未晞）知乎个人专栏

下载W3Cschool手机App，0基础随时随地学编程>>戳此了解

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

百度网盘下载链接: https://pan.baidu.com/s/16W2uByTpThAH8GUrv7pOZg

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。