Sipakmed：a new dataset feature and image based classification of cervical cells——记一次复现论文经历（二）

3.2 Image Features

cell Features部分要用到SVM和MLP，我不太熟悉就先没做这个实验。

先将这个部分是因为用了数据增强，需要先把所有的数据都准备好，再进行训练测试集的划分。

这一部分说的是对Image Features的训练策略：包括网络、超参数、数据处理等。

1. CNN网络：VGG19，输入：80*80
2. 损失函数：cross-entropy loss
3. 优化器：SGD
4. 超参数：batch_size = 50, lr = 0.0001
5. 数据增强：每一张图片 水平、垂直、水平垂直翻转后多了3张，也就是数据增强后的数据集总量是原来的4倍了。

从官网上下好的数据集，图片都是放到了相应类别的文件夹下。

记得改路径！

import cv2
import os
from shutil import copyfile

#要改！！
path = 'your path \\datasets\\sipakmedPics'
classes = os.listdir(path)

for c in classes:
    images_file = os.listdir(path+"\\"+c)

    for i in images_file:
        img = cv2.imread(path+"\\"+c+"\\"+i)

        img1 = cv2.flip(img,1)#水平
        cv2.imwrite(path+"\\"+c+"\\"+i[0:i.index('.')]+"_1.bmp",img1)


        img2 = cv2.flip(img,0)#垂直
        cv2.imwrite(path+"\\"+c+"\\"+i[0:i.index('.')]+"_0.bmp",img2)


        img3 = cv2.flip(img,-1)#水平垂直
        cv2.imwrite(path+"\\"+c+"\\"+i[0:i.index('.')]+"_-1.bmp",img3)

           

这样就实现了每张图片增加三张。

把数据集准备好就到下一步了。