Dada la escasez de imágenes etiquetadas asociadas a la detección y clasificación del edema macula diabético, este proyecto aplica transfer learning para mejorar la precisión de estos modelos al hacer dicha clasificación.
Tarea realizada en el commit: 9e5a6ba4b0913b9db5d7955733b39f57a8d264af
En este commit he definido el código que permtirá ejecutar pruebas de holdout con data augmentation únicamente para el subset de train. Para ello necesitamos una estructura con una primera división en train, test y val; dado que luego se define un 3 ImageDataGenerator distintos. Estos scripts como parámetro de entrada solo requieren la red a entrenar, y sacan los resultados tanto para imágenes preprocesadas como no. Hay un script diferentes para las imágenes con MESSIDOR y sin MESSIDOR.
Tarea realizada en el commit: 9e5a6ba4b0913b9db5d7955733b39f57a8d264af
En este commit he definido el código que permtirá ejecutar pruebas de holdout con data augmentation únicamente para el subset de train. Para ello necesitamos una estructura con una primera división en train, test y val; dado que luego se define un 3 ImageDataGenerator distintos. Estos scripts como parámetro de entrada solo requieren la red a entrenar, y sacan los resultados tanto para imágenes preprocesadas como no. Hay un script diferentes para las imágenes con MESSIDOR y sin MESSIDOR.