search

ftn-ai-lab / sc-2019-siit

Soft Computing - 2019 - Sotversko inženjerstvo i informacione tehnologije
MIT License
5 stars 3 forks source link

Detekcija i obeležavanje crvenih i belih krvnih zrnaca #27

Closed milica152 closed 4 years ago

milica152 commented 4 years ago
  1. Tim: Milica Medić sw29-2016
  2. Definicija: Ulaz u program jesu mikroskopske fotografije krvi. Program treba da vrati istu sliku sa jasno obeleženim crvenim i belim krvnim zrncima.
  3. Dataset: Blood Cell Images Dataset, Kaggle: https://www.kaggle.com/paultimothymooney/blood-cells
  4. Metodologija: -Inicijalno obrađivanje slika (konverzija u gray scale, Gaussian blur, Tresholding...) -Detekcija kontura -Konstrukja potencijalnih regiona slike (ROI) gde se možda nalaze krvna zrnca -Analiza pronađenih regiona kako bi zaključili da li u njima stvarno nalaze krvna zrnca, i ako da, koja krvna zrnca su u pitanju
  5. Evaluacija: Upoređivanje rešenja koje je dao program sa anotacijama dataset-a
  6. Repozitorijum: https://github.com/milica152/SoftComputingBloodCellRecognising
vdragan1993 commented 4 years ago

Koju meru/mere performansi planirate da koristite prilikom evaluacije rešenja?

milica152 commented 4 years ago

Poredicu broj crvenih krvnih zrnaca i njihove pozicije izrazene torkom (xmin, ymin, xmax, ymax) ( "bounding box" ) koje da moje resenje sa istim karakteristikama napisanim u anotaciji dataset-a.

vdragan1993 commented 4 years ago

Koju metriku ćete računati kada budete poredili:

  1. broj crvenih krvnih zrnaca
  2. njihove pozicije?
milica152 commented 4 years ago

Koristice se Mean Average Percission (mAP) za detekciju objekata, pomocu cega ce se evaluirati i broj tacno klasifikovanih crvenih krvnih zrnaca, a i njihova pozicija. Metod evaluacije je detaljno objasnjen na sledecem linku: https://towardsdatascience.com/breaking-down-mean-average-precision-map-ae462f623a52

vdragan1993 commented 4 years ago

Tema odobrena. Srećan rad.