⇧⇩×
点击返回
(点击×隐藏)
(点击×隐藏)
分类器superpixels / supervoxels
分类器superpixels / supervoxels是一个很好的方法使用图像的自动分割火车和预测计划。
这个分类器使用SLIC简单线性迭代聚类算法写的Radhakrishna Achanta, Appu沙棘,凯文•史密斯Aurelien Lucchi,帕斯卡Fua, Sabine Susstrunk,洛桑联邦理工(EPFL),瑞士来简化数据集的聚类的像素组:2 d或3 d supervoxels superpixels。这些superpixels /体素特征,这些特征用于分类。
下面的例子使用了。
内容
数据集和分割的目的
下面是一个数据集与光学显微镜成像的目的是部分概述了细胞(绿色)。细胞有不同的强度和使用黑白的阈值不能直接谈一段。
训练分类器
分类的第一部分是选择区域属于感兴趣的对象和背景。
- 开始一个新的模型:分割面板- > Create按钮
- 添加两个材料模型:分割面板- > +按钮
- 重命名对象材料1和材料2的背景。强调材料在左边列表框,按鼠标右键弹出菜单并选择Rename
- 选择画笔工具,并选择内质网的一些配置文件,并将它们分配给对象模型的材料(选择“添加”列表中的“1”并按“A”快捷方式)
- 选择一些领域的背景和添加这些模型的背景材料(选择“添加”列表中的“2”并按“A”快捷方式)
- 分类器:开始菜单- >工具- >分类器- > Superpixel分类
- 指定一个目录来保存临时数据。默认情况下,MIB提供使用RF_Temp位于旁边的数据。
- 选择要使用的模式:2 d图像和superpixels 2 d或3 d三维数据集和supervoxels
- 选择superpixels计算的类型:SLIC的对象与不同的强度与背景或分水岭的对象具有不同的边界
- 选择应该用于生成的颜色通道superpixels /压:颜色通道
- 定义大小superpixels /体素和密实度:大小和密实度。为分水岭superpixels大小字段定义了一个因子,调节大小superpixels(更多给大superpixels)和黑白色的球场上。当对象的边界光明在黑暗的背景下,黑人在白人应该是0;否则任何数量大于0。
- 如果需要使用分区的区域进行处理可以修改面板。
- 按计算superpixels按钮生成SLIC superpixels
- 新闻看到生成的superpixels superpixels预览按钮
- 如果superpixels的大小和质量是可以接受的计算功能按钮superpixels计算功能。
- 按火车&预测按钮访问设置分类
在这个窗口可以负荷的分类器训练(负载分类器按钮)早些时候完成,或者培养一个新的标签存在。
- 选择对象的对象弹出菜单
- 选择在后台背景弹出菜单
- 选择类型的分类器的分类器使用弹出菜单
- 按分类器训练开始训练
- 按预测数据集开始预测会议
- 检查结果在图像视图面板。如果需要添加更多的标记的对象和背景和重复训练和预测。
擦拭的临时目录
在分类器预测RF_Temp目录中创建文件。可以删除这个目录按擦临时dir按钮或手动使用任何文件资源管理器。
var allDetails = document.getElementsByTagName(细节);toggle_details (0);