Обработка изображения для машинного обучения

Question

Я начал проводить анализ медицинских изображений для проекта.

В этом проекте у меня есть изображения человеческих почек с камнями и без них.Цель состоит в том, чтобы предсказать, есть ли у данного нового изображения камень или нет.

Я выбрал модель классификатора KNN, чтобы выполнить классификацию, но я не понимаю обработку изображений.У меня есть некоторые знания по сегментации.Я могу преобразовать его в массив для обработки, но мне нужны некоторые указатели, чтобы понять процесс.Изображение - https://i.stack.imgur.com/9FDUM.jpg

Answer 1

Обработка изображений выполняется для преобразования цифровых изображений в формат, который будет проще для компьютера рассчитывать статистику.

Изображения не всегда содержат необходимую информацию, есть шум и много ненужного фонаинформация, доступная на изображении, которая не требуется для определенной цели.

Цель обработки изображения - извлечь интересующую область из всего изображения.

Наряду с этим различнымиулучшения сделаны для изображения, так что мы получаем функции, которые полезны при вычислении логических выводов

Обработка изображения состоит из различных методов улучшения изображения, сегментации и других вещей, таких как, возможно, выравнивание гистограммы, которое в конце концов будет использовано дляИзвлечь особенности.Выполнение этой обработки в целом дает лучшие возможности.

Также обработка изображений сама по себе является обширной темой.Я рекомендую вам прочитать об этом в статьях от ученого Google

Answer 2

Для классификации изображений я бы порекомендовал вам использовать предварительно обученные нейронные сети, такие как Resnet и т. Д.

Фреймворки, такие как Tensorflow, дают хороший API для переобучения предварительно обученных нейронных сетей для другого варианта использования.

Вы можете перейти по ссылке ниже: https://www.tensorflow.org/hub/tutorials/image_retraining