- 博客(32)
- 资源 (14)
- 收藏
- 关注
RSS订阅原创 Pytorch Geometric 源码安装记录
文章目录前言一、pytorch_geometric是什么？二、安装步骤2.1 安装编译好的版本2.源码安装总结前言提示：这里可以添加本文要记录的大概内容：例如：随着人工智能的不断发展，机器学习这门技术也越来越重要，很多人都开启了学习机器学习，本文就介绍了机器学习的基础内容。提示：以下是本篇文章正文内容，下面案例可供参考一、pytorch_geometric是什么？示例：pandas 是基于NumPy 的一种工具，该工具是为了解决数据分析任务而创建的。二、安装步骤2.1 安装编译好的版本
2021-01-18 18:22:53
540
原创 好物推荐：眼科影像研究组有哪些？
前言对于一个研究者而言，应该时刻关注该领域的动向，例如所研究的领域有哪些最新的文章、有哪些比较大的研究组、有哪些大牛研究者。紧跟领域前沿不仅能够帮助我们在研究中不落后，也能够帮助我们了解更多别人在做的idea同时调整自己的idea。这里对领域内较大的眼科影像方面的研究组做个汇总整理，希望能够对大家有所帮助。...
2020-05-03 23:48:40
708
原创 好物推荐：眼科OCT影像自动分割工具推荐
前言本人研究生在读，我的研究方向是医学影像处理。研究生阶段主要集中在眼科医学影像，具体一点就是视网膜OCT图像。最近在写研究生的毕业论文的时候，写作之前需要对之前的各种文献资料进行汇总和归纳。这个过程中发现了很多挺不错的论文和相关资源（论文或者工具）。有些资源个人觉得非常有价值，特别是对刚接触这个领域的同学来讲。所以在这里想将这些记录一下，也希望能够对这个领域的同学有些帮助。视网膜OCT影...
2020-05-03 18:12:05
5449
8
原创 深度学习中那些小技巧
引言本Blog用于记录在深度学习实验中一些需要注意的一些小陷阱、小Trick。防止自己再次入坑。 本贴长期更新数据处理1. 生成的数据集保存成npy文件时过大在深度学习中，如果我们只有少量数据，则会采用数据扩充方法。比如一张图像扩充成20张。这样的过程汇带来存储空间的不足。后来发现，在numpy中如果不注意的话，经过一定的运算后的数组类型往往是float 类型，而浮点...
2018-05-05 09:43:15
580
原创 反卷积(Deconvolution)、上采样(UNSampling)与上池化(UnPooling)
前言在看图像语义分割方面的论文时，发现在网络解码器结构中有的时候使用反卷积、而有的时候使用unpooling或或者unsampling，查了下资料，发现三者还是有不同的。这里记录一下。图示理解使用三张图进行说明： 图（a）表示UnPooling的过程，特点是在Maxpooling的时候保留最大值的位置信息，之后在unPooling阶段使用该信息扩充Feature Map，除最大值
2018-01-27 16:06:18
51837
26
转载 ROC和AUC
转载自http://alexkong.net/2013/06/introduction-to-auc-and-roc/前言ROC（Receiver Operating Characteristic）曲线和AUC常被用来评价一个二值分类器（binary classifier）的优劣。这篇文章简单介绍ROC和AUC的特点，以及更为深入地，讨论如何作出ROC曲线图以及计算AUC。 本篇
2018-01-13 14:13:50
596
原创 特异度（specificity）与灵敏度（sensitivity）
前言在论文阅读的过程中，经常遇到使用特异性（specificity）和灵敏度（sensitivity）这两个指标来描述分类器的性能。对这两个指标表示的含有一些模糊，这里查阅了相关资料后记录一下。基础知识考虑一个二分类的情况，类别为1和0，我们将1和0分别作为正类（positive）和负类（negative），则实际分类的结果有4种，表格如下： 从这个表格中可以引出一些其它的评
2018-01-13 14:11:11
61439
1
原创 OCT病灶分割论文泛读
1.Automated Classification between Age-related Macular Degeneration and Diabetic Macular Edema in OCT Image Using Image Segmentation作者：Jathurong Sugruk, Supaporn Kiattisin and Adisorn Lee1asantitham
2018-01-13 14:09:08
5028
8
原创 基于结构化随机森林的DME病灶分割
Learning layer-specific edges for segmenting retinal layers with large deformations作者：S. P. K. KARRI 来源：2016 BOE 摘要：本文提出了一种结构化学习算法用于提升传统图论方法的分割效果，该算法同时检测独立的层和对应的边缘。算法基本原理是首先通过结构化随机森林获得层次边缘的概率图，之后使
2018-01-13 14:05:12
2365
2
原创 CNN训练过程中的数据扩充方法
Training Neural Networks with Very Little Data-A Draft作者：Hojjat Salehinejad 来源：Computer Vision and Pattern Recognition 2017 摘要：深度神经网络是由许多节点层组成的复杂架构，导致大量需要在训练中评估的参数，包括权重、偏差等。相比于简单的架构，更大、更复杂的神经网络需要更
2018-01-13 14:00:40
5132
原创 OCT图像层次分割相关论文泛读
①A Neural Network Approach to Retinal Layer Boundary Identification From Optical Coherence Tomography Images作者：Kevin McDonough and Ilya Kolmanovsky 来源：2015 IEEE 使用神经网络对视网膜图像中的每个像素进行二分类：属于层次中的像素与
2018-01-13 13:52:44
9605
9
原创 Keras自定义Loss函数
前言Keras本身提供了很多常用的loss函数（即目标函数），但这些损失函数都是比较基本的、通用的。有时候我们需要根据自己所做的任务来自定义损失函数，虽然Keras是一个很高级的封装，自定义loss还是比较简单的。这里记录一下自定义loss的方法，一为助记、二为助人。官方定义的损失函数第一种方式：自定义一个函数自定义loss函数之前，我们可以看看Keras官方是如何定义loss
2018-01-13 12:00:09
60590
11
原创 TensorFlow函数：tf.where
前言最近在研究Focal Loss的Keras实现过程中，由于要实现类似交叉熵的函数，需要将label图像中class=1和class=0的位置拿出来，以寻找在该位置对应的CNN预测值。经过百度查找，发现有人使用tf.where来实现这个功能，但看官方文档看来好久（下午+晚上）才看明白这个函数是如何使用的，特在此记录下。 之后会专门写一篇有关Focal Loss的Keras实现的博客
2018-01-12 21:49:13
47246
4
原创 Keras官方示例代码解释（1）：variational autoencoder
前言Keras源码中附有一个examples的文件夹，里面包含一些使用Keras进行编写的常用的神经网络模型，如CNN、LSTM、ResNet等。这些例子基本上是Keras学习入门必看的，作为Keras的学习者，就在这里记录一下examples中的代码解析，一为自身记忆，二为帮助他人。源码这里解析的源码是变分自动编码器（variational autoencoder，VAE），其是
2018-01-08 16:14:30
9856
7
原创 如何访问sci-hub？（更新于2017年11月26日）
引言科研人员查找国外SCI期刊文献，永远是头疼问题。如果在校内网，并且学校图书馆购买了数据库，下载全文还好。但是如果是公网，下载文献的确是个问题。查找全文是个耐心的话，推荐一个下载文献的好地方SCI-Hub，基本上可以下载到很多的全文。虽然，最近各大出版社已将SCI-Hub告上法庭，其在美国的网站已被关闭，目前只有俄罗斯的网站还是活着的。因此，请大家小心使用，不能滥用！仅限科研使用，切不要做商业使用
2017-11-26 12:51:01
26454
4
原创 Ubuntu16.04下使用Anaconda配置GPU版本的Keras及TensorFlow
前言本文主要讲解在Ubuntu16.04 LTS系统上通过Anaconda安装配置不同版本的CUDA、CUDNN、TensorFlow以及Keras。在其它版本的Ubuntu上应该也是适用的（没有经过验证）。 由于需要安装的软件包很多，不同版本之间的适配就是一个比较大的问题，经过尝试采用了下面的搭配：Anaconda 5.0.1+python3.5+CUDA 8.0+CUDNN 6.0 +T...
2017-11-07 21:03:37
3564
1
转载 Keras指定使用GPU运算
使用CUDA_VISIBLE_DEVICES。此时的运行命令如下： CUDA_VISIBLE_DEVICES=1 python train.py
2017-11-05 17:16:25
4290
原创 Jupyter Notebook及主题更换
Jupyter Notebook及主题更换Jupyter Notebook是一个开源的Web应用程序，可以创建和共享包含实时代码，方程式，可视化和说明文本的文档。 用途包括：数据清理与转换，数值模拟，统计建模，机器学习等等。本身Anaconda安装后会自动装上，但在我们新建一个环境的时候默认是不带Jupyter Notebook的，这里即是在这情况下安装Jupyter。
2017-10-26 20:04:58
12492
5
原创 Anaconda离线安装Keras
Anaconda离线安装Keras前段时间在windows10下安装好Anaconda和TensorFlow之后，当时没有使用。在最近运行一开源代码时需要安装Keras库，使用Anaconda进行安装。在安装的过程中由于速度实在太过缓慢(；д；)，决定换一种方法进行安装。
2017-10-26 19:54:02
7270
原创 Python调用imsave报错ImportError: cannot import name imsave
Python调用imsave报错ImportError: cannot import name imsave在运行一python代码时，需要导入imsave函数，该函数属于scipy包，单独导入该包是成功的，但下面的用法是错误的：from scipy.misc import imsave运行时显示：ImportError: cannot import name imsave
2017-10-26 19:30:03
10063
转载 深度卷积神经网络在目标检测中的进展
作者：taigw 链接：https://zhuanlan.zhihu.com/p/22045213 来源：知乎 著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处近些年来，深度卷积神经网络（DCNN）在图像分类和识别上取得了很显著的提高。回顾从2014到2016这两年多的时间，先后涌现出了R-CNN，Fast R-CNN, Faster R-CNN, ION,
2017-10-25 21:15:05
1674
转载 CNN在基于弱监督学习的图像分割中的应用
CNN在基于弱监督学习的图像分割中的应用最近基于深度学习的图像分割技术一般依赖于卷积神经网络CNN的训练，训练过程中需要非常大量的标记图像，即一般要求训练图像中都要有精确的分割结果。
2017-10-25 20:47:59
1785
转载 深度对抗学习在图像分割和超分辨率中的应用
深度学习已经在图像分类、检测、分割、高分辨率图像生成等诸多领域取得了突破性的成绩。但是它也存在一些问题。首先，它与传统的机器学习方法一样，通常假设训练数据与测试数据服从同样的分布，或者是在训练数据上的预测结果与在测试数据上的预测结果服从同样的分布。而实际上这两者存在一定的偏差，比如在测试数据上的预测准确率就通常比在训练数据上的要低，这就是过度拟合的问题。
2017-10-25 20:27:54
1137
原创 论文精读2-ReLayNet: Retinal Layer and Fluid Segmentation of Macular Optical Coherence Tomography·····
本文提出了一种新的深度学习网络结构-ReLayNet，用于正常人和DME患者的OCT图像层次分割。ReLayNet借鉴U-Net的思想，分为下采样和上采样两个步骤，在训练过程中同时使用了交叉熵和Dice overlap loss函数进行优化。实验结果与5个state-of-the-art的分割方法进行比较，该方法具有更好的表现。
2017-10-22 19:37:05
2329
16
原创 论文精读1-Robust total retina thickness segmentation in optical coherence tomography images using convol
本文提出了一种基于CNN的视网膜图像分割方法，对异常视网膜图像具有很好的鲁棒性。实验中使用经过改进的U-net网络对视网膜图像中的ILM和RPE进行分割并计算黄斑区域的视网膜厚度。
2017-10-22 17:04:49
995
原创 Windows10下安装TensorFlow（Anaconda5.0.0，Python3.6.2）
windows下Tensorflow的安装。
2017-10-22 15:51:03
8699
4
原创 BP算法数学原理
定义 BP算法，误差反向传播（Error Back Propagation, BP）算法。其最常见的应用是在前馈神经网络中。BP算法的基本思想是，神经网络的学习过程由信号的正向传播与误差的反向传播两个过程组成，信号经过逐层计算得到最终层的值，其值与样本目标值有一定的误差。最后一层的误差由前面多层神经网络加权而成，通过将误差进行反向传播来得到每一层的误差，最后通过每层的误差来调整神经网络的权值。由
2016-10-15 20:51:03
2417
1
原创 <h3>QT中使用QNetworkAccessManager类进行POST数据
QT中使用QNetworkAccessManager类进行POST数据QNetworkAccessManager类简介： QNetworkAccessManager类允许应用程序发送网络请求和接收网络应答。
2015-08-04 21:31:37
15612
原创 win7 64位搭建汇编环境详细教程
在win7 64位的环境下，DOS中没有debug.exe，不可以直接进行汇编程序的运行和使用。这里介绍一下如何在win7的64位系统里编译汇编语言。 一：使用的软件 主要是DOSBOX，debug.exe，edit.com与masm5.zip 在我上传的资源中进行下载。 二：安装方法 1.安装DOSBOX，装在C盘 2.在任意的盘中新建一个文件夹，文件名要是英文的，之后把debug.e
2015-03-06 00:20:57
8614
2
原创 安卓之SwipeRefreshLayout
这里是个人使用SwipeRefreshLayout的一些总结，如果有什么不恰当的地方，请大家见谅。SwipeRefreshLayout是google官方推出的一个下拉刷新的控件，具体效果的话，大家可以在网上找一下，因为这个刷新在手机里，不容易截屏。不多说了，直接上代码xml文档 1.main.xml<?xml version="1.0" encoding="utf-8"?><LinearL
2015-02-27 23:12:48
793
原创 安卓之WebView的使用小结
前一段时间看了一下WebView的内容，自己试着写了几个小的程序。现在进行一下个人的小结，为了以后自己忘记的时候还可以看看。在Android系统中内嵌了一个高性能的webkit内核浏览器，在SDK中封装为一个叫做WebView组件，通过这个组件可以像浏览器一样地去解析网页。使用的时候可以直接加载网址进行浏览。那么什么是webkit？官方的解释是：WebKit是Mac OS X v10.3及以上版
2015-02-27 22:25:34
741
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人