在H&E组织学图像中，同时进行实例分割和分类的LeetCode-hover_net颜色分类

颜色分类leetcode HoVer-Net：多组织组织学图像中细胞核的同时分割和分类 在单个网络内执行核实例分割和分类的多分支网络。 该网络利用核像素与其质心的水平和垂直距离来分离聚集的细胞。 专用的上采样分支用于对每个分段实例的核类型进行分类。 到医学图像分析论文。 这是 HoVer-Net 的官方 PyTorch 实现。 对于此代码的原始 TensorFlow 版本，请参阅 。 该存储库可用于训练 HoVer-Net 和处理图像图块或整个幻灯片图像。 作为此存储库的一部分，我们提供在以下数据集上训练的模型权重： 可以在下面的推理描述中找到检查点的链接。 设置环境 conda env create -f environment.yml conda activate hovernet pip install torch==1.6.0 torchvision==0.7.0 上面，我们安装了带有 CUDA 10.2 的 PyTorch 1.6 版。 存储库结构 以下是存储库中的主要目录： dataloader/ ：数据加载器和扩充管道 docs/ ：repo 中使用的数字/GIF met