- 这是一个基于多种CNN卷积神经网络的深度学习细胞形态学检验识别项目，在拥有12500张血细胞的大型公开数据集BCCD上训练。
- 目前现有模型包括vgg，ALexnet,xception,CBAM-Xception等神经网络，其中以CBAM-xception等网络已经达到100%的准确率，后续还会推出更多transformer，ResNext101等更多分类网络进行改进
目前，基于Flask构造的的CNN卷积神经网络细胞形态学识别已经被封装成API接口
目前能够识别嗜酸性粒细胞，嗜碱性粒细胞，跟中性粒细胞3种！
由于训练集数据非常有限，准确率有待提高，欢迎大家前来改进模型，提供更多数据！
为个人想法的简单实现，旨在让更多人方便的用上AI技术。
第一个Github小项目，不喜勿喷！
注意：禁止用于商业用途，欢迎个人学习交流！
原理
1.首先，客户端把需要的识别的图像截取出来通过POST请求发送到服务器端
2.服务器端在收到客户端的请求后，把事先训练好的模型与需要识别的图像一同加载进预测函数中，然后将与测识别的结果返回给客户端
使用
使用效果视频请见：https://www.bilibili.com/video/BV19T4y1g7b5
服务器端：下载相应的库。新建好一个文件夹，将模型文件cell_finder.h5与API_server.py放在同一个文件夹中，然后将其部署到服务器端启动。
客户端：启动客户端API_Client.py，将需要识别的细胞图像（2.jpg）保存（只保留需要识别的那一个细胞）,然后正确输入服务器端URL（例如http://192.168.31.31:5000/） 等待服务器返回识别结果！
服务器端返回json数据类型，客户端输出Python字典数据类型
补充
cell_finder.h5为模型文件（由于文件较大，并未上传，需要的可以留言联系方式，我会尽快发送），可以通过自行构建神经网络与数据集（data set）训练得到。
关于CNN神经网络数据集制作预处理，与训练网络部分的源代码可以访问我的另外一个仓库 https://github.com/kay-cottage/CNN_Cell_train 查看！
最后，不喜勿喷，谢谢！