Классификация контуров

[hawk1 0]

Есть снимок сетчатки глаза. Обрабатываю его по следующему алгоритму

1. Преобразую в полутоновое

2. Применяю медианный фильтр

3. Выполняю адаптивную бинаризацию.

В результате получаю контурное изображение. Теперь надо классифицировать контуры на сосуды и пятна и промаркировать их разным цветом. Как это лучше сделать?

[kilop 7]

В таком виде тяжело будет классификацию провести.

Может перейти в пространство HSV, по набору красных оттенком классифицировать сосуды, по набору светло-серых оттенков и их форме классифицировать пятна.

[hawk1 0]

А как насчет вот такого изображения? здесь четко видны сосуды и пятна.

[Smorodov 579]

Инфракрасное?

Можно сделать инверсию, бинаризацию по порогу, затем морфологию (erode затем dilate), сосуды исчезнут.

Вытащить пятна, запомнить и залить черным на исходном изображении, вытянуть сосуды.

Вообще, мне кажется, тут хорошо было бы предварительно, перед бинаризацией, применить применить фильтры (анизотропный, или габора (как для отпечатков пальцев делают)).

[hawk1 0]

Что вы подразумеваете под бинаризацией по порогу? Адаптивную бинаризацию, бинаризацию Отсу или что то другое?

Пытался классифицировать вот так

            Img.FindContours(storage, out contour, CvContour.SizeOf, ContourRetrieval.List, ContourChain.ApproxNone, initPoint);
            while (contour != null)
            {
                double perimeter = contour.ArcLength();
                double area = Math.Abs(contour.ContourArea());
                double compact = area / (perimeter * perimeter);
                if (compact > 0.01 && compact < 0.087) 
                      dst.DrawContours(contour, new CvScalar(255, 0, 0), new CvScalar(255, 0, 0), -1, -1, LineType.Link8, new CvPoint(0, 0));
                else
                    if (perimeter / area > 0.5)                    
                        dst.DrawContours(contour, new CvScalar(0, 0, 255), new CvScalar(0, 0, 255), -1, -1, LineType.Link8, new CvPoint(0, 0));
                contour = contour.HNext;
            }

Но выделяет не все сосуды. Ниже градиентное изображение, к которому применяется алгоритм.

[Smorodov 579]

Задачка сложная, аналогична этой: http://people.idsia.ch/~juergen/deeplearningwinsbraincontest.html

 

Можно попробовать те же подходы на основе глубоких сетей. 

С рекуррентными сетями я пока не особо разбирался, но мне думается TensorFlow самый близкий путь к цели.

[hawk1 0]

а haartraining?

[Smorodov 579]

Это не в ту степь. Детектор Виолы-Джонса (haarclassifier), используется преимущественно для обнаружения объектов с более-менее постоянной геометрией (например лица, транспорт, логотипы).

[BeS 53]

1 hour ago, Smorodov said:

С рекуррентными сетями я пока не особо разбирался, но мне думается TensorFlow самый близкий путь к цели.

А разве для RNN уже появились вменяемые алгоритмы обучения, которые на реальных данных могут сойтись? 

[Smorodov 579]

Ну примерчик который прочитав "Войну и мир" (в оригинале ему скармливают сборник Шекспира) превращается в забавный бредогенератор я запускал, работает, но на большее меня пока не хватило.

[mrgloom 242]

куча данных по теме, правда без разметки

https://www.kaggle.com/c/diabetic-retinopathy-detection

haartraining, он же adaboost можно прикрутить, беря пиксель и вокруг него патч-окрестность, но насколько это будет работать это вопрос.

 

Какое то есть готовое решение для этих задач на CNN?

 

Хотелось бы еще посмотреть на разметку, т.е. как это человек разметит.

 

[boriso 3]

On 10.12.2015 at 11:45 PM, Smorodov said:

Ну примерчик который прочитав "Войну и мир" (в оригинале ему скармливают сборник Шекспира) превращается в забавный бредогенератор я запускал, работает, но на большее меня пока не хватило.

Немного вне темы, но тексты более-менее вменяемые получились или нет? У меня после 150 эпох на другом произведении всё равно некрасивый текст получается, причём полностью рассогласованный по формам слов(

[Smorodov 579]

Он же по буквам собирает, так там и слова-то не все существующие получались  ,

но предложения иногда составлялись, бессмысленные конечно, но вполне по правилам языка. Русский все же сложный язык, аглийский много проще. 

Перед скармливанием текста его желательно подготовить, убрать лишние пробелы, плюс я также переводил все в нижний регистр, убирал пунктуацию (чтобы проще было).

[boriso 3]

On 18.12.2015 at 7:39 PM, Smorodov said:

но предложения иногда составлялись, бессмысленные конечно, но вполне по правилам языка.

Ещё 200 эпох прогнал, мне больше результат нравится, хотя всё равно бессмысленный и с ошибками. В математику пока не очень сильно вникал, поэтому пока вопрос новичка. char-rnn показывает два значения: train_loss и grad/param norm. Первый у меня со временем обучения меняется, но уже начал колебаться около 0.78, а вот второй с каждой сотней эпох снижается. До этого был 0.01, а теперь уже 0.003. Пожалуйста, можете "на пальцах" пояснить, что эти параметры значат?

[Smorodov 579]

Я тоже не вникал пока, но навскидку train_loss - значение минимизируемой функции, она задана так, что при ее минимизации прогноз сети улучшается, grad/param norm - похоже скорость обучения, ее часто меняют со временем (уменьшают).