脊柱CT图像分割，结果指标低

我首先试讲nii转为png切片保存，将脊柱数据集导入模型（之前做皮肤病的模型）后发现效果不好，是有什么需要在代码中更改参数吗，求大家指点

• 这篇博客: 目标人脸检测与识别（计算机视觉）中的 代码：（注意对图像的像素要求很高，如xiao1.png像素都控制在120*160） 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

• renlianjiance1.py: #DNN人脸检测

  import cv2

  import numpy as np

  from matplotlib import pyplot as plt

  dnnnet = cv2.dnn.readNetFromTensorflow("opencv_face_detector_uint8.pb", "opencv_face_detector.pbtxt")

  img = cv2.imread("xiaolihao.png")                     #读取图像

  h, w = img.shape[:2]                                #获得图像尺寸

  blobs = cv2.dnn.blobFromImage(img, 1.0, (300, 300),     #创建图像的块数据

                         [104., 117., 123.], False, False)

  dnnnet.setInput(blobs)                               #将块数据设置为输入

  detections = dnnnet.forward()                         #执行计算，获得检测结果

  faces = 0

  j=0

  for i in range(0, detections.shape[2]):        #迭代，输出可信度高的人脸检测结果

      confidence = detections[0, 0, i, 2]       #获得可信度

      if confidence > 0.6:                  #输出可行度高于80%的结果

          faces += 1

          box = detections[0, 0, i, 3:7] * np.array([w, h, w, h]) #获得人脸在图像中的坐标

          x1,y1,x2,y2 = box.astype("int")       

          y = y1 - 10 if y1 - 10 > 10 else y1 + 10            #计算可信度输出位置

          text = "%.3f"%(confidence * 100)+'%'

          cv2.rectangle(img, (x1, y1), (x2, y2), (255, 0, 0), 2)  #标注人脸范围

          img2=img[ y1: y2,x1 : x2 ]

          cv2.imwrite(str(j)+".jpg",img2)

          j=j+1

          cv2.putText(img,text, (x1, y),                    #输出可信度

                          cv2.FONT_HERSHEY_SIMPLEX, 0.9, (0, 0, 255), 2)

  cv2.imshow('faces',img)

  cv2.waitKey(0)

  renlianshibie2.py:

  # 使用EigenFaces人脸识别器

  import cv2

  import numpy as np

  #读入训练图像

  img11=cv2.imread('xiao0.png',0)                         #打开图像，灰度图

  img12=cv2.imread('xiao1.png',0)                         #打开图像，灰度图

  img21=cv2.imread('xiao2.png',0)                         #打开图像，灰度图

  img22=cv2.imread('xiao3.png',0)                         #打开图像，灰度图

  train_images=[img11,img12,img21,img22]                 #创建训练图像数组

  labels=np.array([1,2,3,4])       #创建标签数组，0~1表示训练图像数组中人脸的身份

  recognizer=cv2.face.EigenFaceRecognizer_create()    #创建EigenFaces识别器

  recognizer.train(train_images,labels)                       #执行训练操作

  testimg=cv2.imread('test2.png',0)                          #打开测试图像

  label,confidence=recognizer.predict(testimg)                 #识别人脸

  print('匹配标签：',label)

  print('可信程度：',confidence)

  b=label

  if b==1:

      cv2.imwrite('biaoji.png',img11)

  elif b==2:

      cv2.imwrite('biaoji.png',img12)

  elif b==3:

      cv2.imwrite('biaoji.png',img21)

  elif b==4:

      cv2.imwrite('biaoji.png',img22)