PSPNet으로 뇌종양을 검출해 보았다 (colab 환경)
현재는 1년간 휴학해 건설계의 IT기업에서 인턴을 하고 있습니다.
이번은 Semantic Segmentation의 PSPNet에서 뇌의 MRI 이미지의 데이터 세트를 학습시켜 가시화까지 실시했습니다.
이번 학습에 사용한 데이터 세트에 대해서
kagge에서 공개된 뇌의 MRI 데이터 세트( htps //w w. 꺄gぇ. 코 m / mateu sz buda / l g-m rise g 멘 타타 온 )를 사용했습니다.
PSPNet으로 뇌 종양을 검출합니다.
PSPNet(Pyramid Scene Parsing Network)이란?
PSPNet은 시맨틱 세그멘테이션 모델 중 하나입니다.
간단하게 모델의 개요를 설명하면
PSPNet은 시맨틱 세그멘테이션 모델 중 하나입니다.
간단하게 모델의 개요를 설명하면
이하의 처리를 행한다.
이러한 처리는 추론 처리에서 수행됩니다.
이번의 개요 설명으로는 불충분하다고 느끼는 분도 많다고 생각합니다.
자세한 모델의 내용은 이쪽( htps : // 아 rぃ v. rg / pdf / 1612. 01105v2. pdf )과 「만들면서 배운다! PyTorch에 의한 발전 딥 러닝」 ( https://www.amazon.co.jp/%E3%81%A4%E3%81%8F%E3%82%8A%E3%81%AA%E3%81%8C%E3%82%89%E5 %AD%A6%E3%81%B6%EF%BC%81PyTorch%E3%81%AB%E3%82%88%E3%82%8B%E7%99%BA%E5%B1%95%E3%83 %87%E3%82%A3%E3%83%BC%E3%83%97%E3%83%A9%E3%83%BC%E3%83%8B%E3%83%B3%E3%82%B0 -%E5%B0%8F%E5%B7%9D-%E9%9B%84%E5%A4%AA%E9%83%8E-ebook/dp/B07VPDVNKW ) 가 대단히 참고가 되었습니다.
구현 정보
실장도 「만들면서 배운다! PyTorch에 의한 발전 딥 러닝」을 참고로 했습니다.
자신이 구현한 코드의 github 링크가 여기입니다.
( htps : // 기주 b. 코 m / 아키토 - 후지하라 / M 리 - B 라이언 - PSP 네 t475 )
jupyter 노트북과 py 파일을 넣습니다.
데이터세트, weight 파일 등은 다운로드하여 다음 구성으로 해 주십시오.
MRI-Brain-PSPNet475-model/
┣ kaggle_3m(kaggle에서 다운로드한 데이터세트※ htps //w w. 꺄gぇ. 코 m / mateu sz buda / l g-m rise g 멘 타타 온 )
┣ log_output.csv (학습의 loss 기록)
┣ PSPNet_test.ipynb (추론 · 시각화)
┣ PSPNet_train.ipynb (학습)
┣ result_image (추론 결과를 시각화 한 이미지를 저장하는 파일)
┣ utils
┃ ┣ init.py(이 파일이 존재하는 디렉토리를 패키지가 된다.)
┃ ┣ data_augumentation.py (전처리)
┃ ┣ dataloader.py (pytorch dataloader 만들기)
┃ ┣ pspnet.py (모델)
┃ ┗pspnet475_show.py(가시화)
┗weights(weight 파일 저장)
┗pspnet50_ADE20K.pth( h tps://d ゔぇ. 오, ぇ. 코 m/후에/d/12엔 6Sp인 w 유 QmD1k9VgVW3QSgPR6 히 c/ぃぃ에 w 에서 다운로드)
학습·추론 결과와 고찰
가시화한 이미지는 하늘색이 교사 데이터, 노란색이 추론 결과입니다.
잘 추론할 수 있는 예
잘 추론 할 수 없었던 예
결과로부터 이미지의 농담이 적은 것의 결과가 특히 나쁜 것을 알았습니다. (당연하지만,,,)
( htps : // Pape rsu th 여기. 코 m / Pape r / 및 r Chio-a-py-on-b-b ry-fu-r-e-fu-shien t 등) 전처리에 대해서도 여러가지 조사해 보고 싶습니다.
또, ( htps //w w. s에서 멋지다. 네 t / mi t m l / uno fu shia l py 라미 d s 네 네 r r gin g 네와 rk-cvpr-2017 )에도 쓰여져 있습니다만 crop size, batch size(colab라고 바꿀 수 없을지도,,), 등 파라미터가 중요해 보이기 때문에 바꾸어 보는 것도 재미있는 것이 아닐까 생각합니다. ( htps //w w. st-하 ky-bぉg. 코m/엔트리/2017/11/16/161805 참고로)
Reference
이 문제에 관하여(PSPNet으로 뇌종양을 검출해 보았다 (colab 환경)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다
https://qiita.com/1998922akito/items/0bd1174bf0c5fd149b7f
텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념
(Collection and Share based on the CC Protocol.)
가시화한 이미지는 하늘색이 교사 데이터, 노란색이 추론 결과입니다.
잘 추론할 수 있는 예
잘 추론 할 수 없었던 예
결과로부터 이미지의 농담이 적은 것의 결과가 특히 나쁜 것을 알았습니다. (당연하지만,,,)
( htps : // Pape rsu th 여기. 코 m / Pape r / 및 r Chio-a-py-on-b-b ry-fu-r-e-fu-shien t 등) 전처리에 대해서도 여러가지 조사해 보고 싶습니다.
또, ( htps //w w. s에서 멋지다. 네 t / mi t m l / uno fu shia l py 라미 d s 네 네 r r gin g 네와 rk-cvpr-2017 )에도 쓰여져 있습니다만 crop size, batch size(colab라고 바꿀 수 없을지도,,), 등 파라미터가 중요해 보이기 때문에 바꾸어 보는 것도 재미있는 것이 아닐까 생각합니다. ( htps //w w. st-하 ky-bぉg. 코m/엔트리/2017/11/16/161805 참고로)
Reference
이 문제에 관하여(PSPNet으로 뇌종양을 검출해 보았다 (colab 환경)), 우리는 이곳에서 더 많은 자료를 발견하고 링크를 클릭하여 보았다 https://qiita.com/1998922akito/items/0bd1174bf0c5fd149b7f텍스트를 자유롭게 공유하거나 복사할 수 있습니다.하지만 이 문서의 URL은 참조 URL로 남겨 두십시오.
우수한 개발자 콘텐츠 발견에 전념 (Collection and Share based on the CC Protocol.)