前排板凳瓜子

  • 5

    获得赞
  • 0

    发布的文章
  • 1

    答辩的项目

买一送五,多个模型多个成绩,随便改

Batch大小为64,循环次数为90次,损失函数优化完,最终完成评分为90.36。

最后更新 2019/08/02 12:24 阅读 1448

脑部MRI(磁共振)图像分割

最后更新 2019/08/02 12:24

阅读 1448

U-Net PyTorch

Dataloader使用的是开始模型的方法,但因为成绩不理想,放弃开始的模型了,但是数据读取没有改,本人很懒,能用就行。 最高成绩使用Unet16随缘出现,从80到90不等。
·
一、赛题分析
MRI 首选Unet,最好能去github找评分搞得魔改Unet,不同模型多跑跑,找到最好的。
·
二、核心思路
1、数据集的话,无标签图较多,赛程最后发现初始学习率为0.01收敛快
2、数据直接归一化,数据增强采用简单的翻转和旋转。
3、模型使用github上的TernausNet,该模型使用的是IOU损失,可以通过简单修改变为比赛的DICE损失
4、学习率使用变学习率*0.95或者定学习率,看最终结果决定使用哪种学习率调整
·
三、比赛经验总结
收获:
1、数据增强还是有必要的,否则容易过拟合。
2、一定要先跑出一个baseline,然后针对baseline的不足进行提升
3、没事多试试不同的模型,可能有惊喜
比赛技巧:
我是来学技巧的,还没有用上高大上的技术,直接一把梭
本文为作者在FlyAI平台发布的原创内容,采用知识共享署名-非商业性使用-禁止演绎 4.0 国际许可协议进行许可,转载请附上原文出处链接和本声明。
本文链接地址:https://www.flyai.com/n/40690
立即参加 脑部MRI(磁共振)图像分割
代码展示
选择查看文件
$vue{codeKeys}
  • $vue{ix}
赞赏贡献者还可以查看和下载优质代码内容哦!
赞赏 ¥72.00元
©以上内容仅用于在FlyAI平台交流学习,禁止转载、商用;违者将依法追究法律责任。
讨论
500字
表情
每日优质讨论奖励 20FAI
发送
每日优质讨论奖励 20FAI
删除确认
是否删除该条评论?
取消 删除
感谢您的关注
该篇内容公开后我们将会给你推送公开通知
好的
发布成功!
您的公开申请已发送至后台审核,
通过后将公开展示本详情页!
知道了
向贡献者赞赏
¥72.00
微信支付
支付宝

请先绑定您的微信账号 点击立即绑定

立即支付
温馨提示:
支付成功后不支持申请退款,请理性消费;
支付成功将自动解锁当前页面代码内容,付款前请确认账号信息。
微信扫码支付
请前往Web网页进行支付

敬请谅解,如有疑问请联系FlyAI客服

知道了
举报
请选择举报理由
确定
提示
确定要删除?
取消删除