search

sleepywyn / LungCancerRecog

1 stars 1 forks source link

The role of U-Net #2

Open severous opened 4 years ago

severous commented 4 years ago

您好，我也是看了KDSB2017上的notebooks，然后有幸搜到了您的代码。代码我有几处不懂的想请教下您。 1.我注意代码中使用了U-Net,之前一直理解的是是作为接下来网络的candidates,但是我看到您在3D conv 里面并没有使用U-Net的相关信息。 2.您是否能提供一下代码的组织逻辑，比如代码中诸多模型在整个检测系统中扮演的角色

对于您的帮助，我将十分感谢，毕设急求，望回复。

sleepywyn commented 4 years ago

为什么这段尘土里的代码会被人搜到啊。。同学你用的是什么搜索引擎？由于印象不深了 我就简单回忆了： 首先3D Conv当时效果极烂（结果还不如2D卷积+XGB效果好），好像是 1.样本太少 2.卷积核大了就算不出来。名次高的人我记得是把整个流程分了三个步骤，对每部分别调优（之前还有个叫luna的比赛，很类似的。有些人还加了luna的样本）。我们最多也就分了两步。 Unet是生物学用于做图像分割的，网上流传的代码不少是错的。我这边的代码里是有两个版本的，其中一个是我根据实际论文描述的结构排的。 所以呢.. 这里面代码片段还有些参考价值吧，它们都是我们进行过的一些尝试。整体逻辑还是认为你应该发挥个人想象力自行组织逻辑并进行验证。时间过了整么久，模型训练都有比那时更多的技巧，NLP领域的东西也可试着借鉴。 最后，相信玄学，Good luck, 如觉得这个库有用可以加个reference

— sleepywyn

On Sat, Mar 7, 2020 at 10:39 PM severous notifications@github.com wrote:

您好，我也是看了KDSB2017上的notebooks，然后有幸搜到了您的代码。代码我有几处不懂的想请教下您。 1.我注意代码中使用了U-Net,之前一直理解的是是作为接下来网络的candidates,但是我看到您在3D conv 里面并没有使用U-Net的相关信息。 2.您是否能提供一下代码的组织逻辑，比如代码中诸多模型在整个检测系统中扮演的角色

对于您的帮助，我将十分感谢，毕设急求，望回复。

— You are receiving this because you are subscribed to this thread. Reply to this email directly, view it on GitHub https://github.com/sleepywyn/LungCancerRecog/issues/2?email_source=notifications&email_token=AA7VV4C6AKBNH5Z7I4P36WLRGJMCNA5CNFSM4LDQF6DKYY3PNVWWK3TUL52HS4DFUVEXG43VMWVGG33NNVSW45C7NFSM4ITJSCBA, or unsubscribe https://github.com/notifications/unsubscribe-auth/AA7VV4AMXPVIYIIBE2IJPQ3RGJMCNANCNFSM4LDQF6DA .

severous commented 4 years ago

十分感谢您的回复，我刚刚涉猎此领域。注意到您在回复中提及2D conv + XGBoost的效果更好，这里的2D conv指的是否为U-Net,另外，XGBoost会利用哪些特征，在kdsb2017中大部分人都是用了这个提升算法，我弄不清楚XGBoost是将上游网络的哪些输出作为了输入特征，若您能还能想起，希望您能不吝赐教一二。

sleepywyn commented 4 years ago

记得比赛开始时，有个人公布了一个Notebook，直接把3D样本求个mean变成2D然后送进了XGBoost。看起来很玄学是不，但是效果还可以。相当多的方法都没有超过那个XGBoost... 2DConv和Unet是两个东西。Unet好像是用于做辅助的，例如做预处理、后处理等，所以我们也试了下 如果搞复杂一点，可以考虑把2DConv的全连层之前的Feature送入XGB？这个我们也没试过。其实思路有很多，例如预处理做得好一点，然后再把缺少样本的这个问题解决（例如把之前类似比赛的样本做处理一起训练，做混淆等），说不定一个3D CNN就可以获得挺好的效果。 — sleepywyn

On Sun, Mar 8, 2020 at 4:16 PM severous notifications@github.com wrote:

十分感谢您的回复，我刚刚涉猎此领域。注意到您在回复中提及2D conv + XGBoost的效果更好，这里的2D conv指的是否为U-Net,另外，XGBoost会利用哪些特征，在kdsb2017中大部分人都是用了这个提升算法，我弄不清楚XGBoost是将上游网络的哪些输出作为了输入特征，若您能还能想起，希望您能不吝赐教一二。

— You are receiving this because you commented. Reply to this email directly, view it on GitHub https://github.com/sleepywyn/LungCancerRecog/issues/2?email_source=notifications&email_token=AA7VV4BOJSGMJPRQQ7MFQE3RGNH65A5CNFSM4LDQF6DKYY3PNVWWK3TUL52HS4DFVREXG43VMVBW63LNMVXHJKTDN5WW2ZLOORPWSZGOEOEPOBQ#issuecomment-596178694, or unsubscribe https://github.com/notifications/unsubscribe-auth/AA7VV4B5AHEN5E5PHXJMFTLRGNH65ANCNFSM4LDQF6DA .