基于深度学习的U-Net网络细胞图像分割与计数课程设计

采用基于Tensorflow框架的Keras深度学习技术，对细胞图像进行分割，并通过U-Net神经网络进行细胞计数。数据集源自isbi挑战，包含tif格式的train、label和test图。由于原始数据以30张512×512的tif图片打包，需使用Python的TIFF库进行处理。考虑到训练图片数量不足且硬件环境限制，我使用了keras.preprocessing.image模块中的ImageDataGenerator进行图像扭曲以进行数据扩充。通过将图像转换成256×256的尺寸，最终实现批处理输入到网络模型中。