EasyDL轻松搞定对抗学习 多算法比对临床试验数据(2)

会生成刚刚创建的模型并显示模型ID

第二步：创建数据集。我们可以自主将刚刚通过特征学习处理的一个子类名称，命名数据集名称。这里创建了两个数据集，正常红细胞与正常白细胞，创建后点击右侧的“标注/上传”，导入数据图像。需要注意的是每次只能上传20张图像。因为所上传的图集都是特征学习切割后的图像，所以不会受到EasyDL的图像大小限制。

上传数据后进行数据标注，点击添加标签，框选特征图像，设定标签名称并保存，“BLC”为白细胞(主要为中性粒细胞)。红细胞及晶体标签方法等同白细胞，不再赘述。

值得一提的是，对于数据量特别多的模型，EasyDL最近还推出了“智能标注”的功能，只需在“数据集标注/上传”的这一步骤中点击“智能标注”按钮即可开启。这个功能会自动筛选出对提升模型效果来说比较重要的图片进行优先标注，并对其余图片进行预标注，可以大大提升整个数据标注过程的效率，还是非常方便的。

第三步：训练模型。数据集上传完毕，点击左部导航条“训练模型”选项，以红细胞为例，选择训练红细胞数据集。“离线识别SDK”选项不需要勾选，因为对抗训练是基于端与云的双平台系统对抗。如果是没有网络环境下使用，可以勾选训练离线SDK。之后我们需要等待一定时间，让百度强大的云平台自行训练。本次训练约1.5小时。

第四步：模型校验。训练完成后，点击左侧导航栏校验模型。

第五步：模型发布。校验模型效果可以满足使用后，点击提交模型上线申请，大约1个工作日内就可以完成模型审核，通过后可进行模型部署上线。

特征学习图像审核：

特征学习图像训练需要使用“L33图像学习系统”，其由五部分构成：特征提取方法编辑器、图像目录、可训练图像清单、特征指标清单、单指标计分与学习状况。特征基础元素由特征方法编辑器控制，一般不建议修改。

图像单体训练：

1.首先通过图像目录确认训练图集的路径;

2.第一次训练点击“全否”，然后点击红色按钮“开始训练”;

3.每次会自动识别训练图片的细胞边缘，需要医师确认轮廓是否囊括整个细胞，如果囊括则点击“是“，则进行下一图训练。

4.训练完成后会提示完成，“L33图像学习系统”会自动计算出学习的结果于“特征指标清单”之中，可以点击查看;

5.对于不可用的图像可以点击“否”，进行暂停修正作业，或删除、或继续修改;

6.“L33图像学习系统”会自动将打勾的图像默认为可用图像，所以不会弹出选项。

特异性训练：

（编辑：ASP站长网）