又一个像素分类器（基于深度学习）
yapic的Python项目详细描述
[！[生成状态]（https://travis-ci.com/yapic/yapic.svg?branch=master)](https://travis-ci.com/yapic/yapic）
](https://travis-ci.com/yapic/yapic){kind=link}
#yapic-又一个像素分类器（基于深度学习）
查看[yapic网站]（https://yapic.github.io/yapic/）获取文档， 示例和安装说明。
##雅皮克是干什么的？
使用yapic，您可以创建自己的自定义过滤器（我们称之为model或classifier），以增强您选择的特定结构。
例如，我们可以训练一个在彩色图像中检测橡树叶的模型，并使用这个橡树叶模型过滤掉所有不被橡树叶覆盖的图像区域：
啊！[]（docs/img/oak_example.png“橡树叶分类器示例”）
- 属于其他叶类型的像素 或者根本没有叶子被抑制，它们在输出图像中看起来很暗。
- 属于橡树叶的像素被增强，它们在输出图像中显得明亮。
输出图像也称为pobability map，因为每个像素的强度对应于属于橡树叶区域的像素的概率。
您可以为您感兴趣的几乎任何结构训练模型，例如检测特定细胞类型的组织学显微照片（此处：人脑的浦肯野细胞）：
啊！[]（docs/img/histo_example.png“Purkinje单元分类器示例”） 组织学数据由奥利弗·考特提供（波恩大学临床，神经科）
我们使用yapic分析各种显微镜图像数据。我们的实验主要涉及神经生物学、细胞生物学、组织病理学和药物发现（高含量筛选）。 然而，yapic是一个非常普遍适用的工具，可以应用于非常不同的领域。它可用于探测卫星图像中的森林区域、景观照片中的云层或食品摄影中的煎蛋。
##关于我们 ！[dzne]（docs/img/dzne-cmyk-e.png）<；！–.element height=“50%”width=“50%”–gt；
yapic是由德国神经退行性疾病中心的核心研究机构开发的。
欢迎加入QQ群-->： 979659372
