Skip to content

omertortumlu/Midterm-Project

Repository files navigation

Bilgisayar Ara Projesi

Erkek Üreme Hücre Morfolojilerinin Derin Öğrenme ile Sınıflandırılması

Veriseti ve arayüz büyük boyutta olduğu için drive a yüklenmiştir Link 'ten ulaşılabilir.

Verisetleri ve Colab_15011091_16011110.ipynb Google Drive da (Proje) isimli dosyanın altına alınır.

İstenen modeller Colab_15011091_16011110.ipynb ile Google Colab üzerinde çalıştırılır.

Model çalıştırılırken istenen parametreler ayarlanır. Google Drive'dan onay verilir. Modeli eğitmek uzun sürdüğü için Google Colabın kapanmaması için autoclicker ile Google Colab aktif tutulabilir.

Modelin diskte bulunan .json ve .h5 uzantılı dosyaları indirilerek arayüzün ortamına atılır(Arayüz dosyasında her örnek için bu uzantılar mevcuttur.)

İndirilen uzantılar VerisetiadıModeladı(.h5-.json) şeklinde kaydedilir.

Arayüzün çalışması için aşağıdaki program ve sınıfların ortamda bulunması gerekmektedir.

->Python version 3.7 Aşağıdaki sınıflar pip install ile powershell veya komut istemcisinden pythona import edilmeli

import cv2
import tensorflow as tf
import os
import numpy as np
import matplotlib.pyplot as plt
import skimage.io as io
import keras

PyQt5 Arayüz geliştirici (designer) Aşağıdaki sınıflar arayüzde bulunmalı.

from PyQt5 import QtCore, QtGui, QtWidgets

from PyQt5.QtWidgets import QFileDialog

accessibility text

1.Adım

Bu adımda, veriseti ve bu verisetinde çalışılmış olan ağın en başarılısı seçilmiştir. Arayüzde seçilen ağın veriseti ile en başarılı olduğu parametrelerde colab’da test yapılmış ve confusion matrisi ve model ağırlıkları çıkartılmıştır. Yapılan seçim ile model ağırlıkları yüklenip, confusion matrisi kullanıcıya gösterilmektedir.

2.Adım

Bu adımda test edilmek istenen fotograf kullanıcı tarafından dosya yolu girilerek veya browse butonuna basarak seçilir load test image butonuyla seçilen fotoğraf yüklenir. Model de test edilebilmesi için görüntünün yüklenen model boyutlarına dönüştürülmesi gerekmektedir. HuSHeM veri seti için 131x131, SMIDS veri seti içinde 170x170 boyutlarına dönüştürülmelidir.

3.Adım

Bu adımda yüklenen fotoğraf test edilir. Veriseti için bulunan sınıf benzerlik sonuçları text kutusuna yazılır. En yüksek sonuç görüntünün en yakın olduğu sınıftır soru işaretli bölüme prediction sonucu yazılır.