自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(13)
  • 收藏
  • 关注

转载 ImageNet上的预训练模型

https://www.jianshu.com/p/7e13a498bd63

2019-06-25 21:33:37 15065

原创 过拟合的解决方法:正则化、Dropout、batch normalization

1. 正则化周志华老师的《机器学习》中写道:“正则化可理解为一种‘罚函数法’,即对不希望得到的结果施以惩罚,从而使得优化过程趋向于希望目标。从贝叶斯的角度来看,正则化项可认为是提供了模型的先验概率。”正则化是一种回归的形式,它将系数估计(coefficient estimate)朝零的方向进行约束、调整或缩小。也就是说,正则化可以在学习过程中降低模型复杂度和不稳定程度,从而避免过拟合的危险...

2019-06-20 10:31:56 2755

翻译 Grand Challenge on Breast Cancer Histology Images

目前该挑战最好的成绩是87%的精度,都使用了卷积神经网络1.介绍通常在检测出异常的时候需要进行乳房组织活性检测,采集的组织样本用苏木精和伊红染色(H&E),以便区分细胞核和实质,并通过光学显微镜观察。这些样本也可以在千兆分辨率下扫描,称为整体幻灯片图像(WSI),用于后向数字处理。病理学家通过分析乳腺组织的组织学特性,在组织的微观部分寻找癌症的迹象。由于乳腺样本正常、良性和...

2019-06-03 15:14:57 1355 2

翻译 A Survey on Deep Learning in Medical Image Analysis(2)

A Survey on Deep Learning in Medical Image Analysis(2)4. Anatomical application areas这部分介绍深度学习在医疗图像上的各种应用场景,我们强调一些重要的贡献并且讨论系统在大数据集或者公共挑战数据集上的性能,这些表现在网址 http:\\www.grand-challenge.org4.1 BrainDNN...

2019-05-27 00:29:33 1573 1

翻译 A Survey on Deep Learning in Medical Image Analysis

深度学习算法特别是卷积神经网络已经快速成为分析医疗图像的一种方法。本文总结了与医疗图像分析的主要的深度学习方法,在这个领域超过300位贡献者,其中大部分是近些年的成就。我们发现深度学习主要应用在图像分类、物体检测、分割、注册和其他任务。概述每个应用领域的研究:神经、视网膜、肺、数字病理学、乳腺、心脏、腹部、肌肉骨骼。最后,我们总结了当前最先进的技术,对未来研究的开放挑战和方向进行了批判性讨论。

2019-05-25 16:19:51 5911 2

转载 pytorch动态调整学习率

转载自:http://spytensor.com/index.php/archives/32/自定义根据 epoch 改变学习率。这种方法在开源代码中常见,此处引用 pytorch 官方实例中的代码 adjust_lrdef adjust_learning_rate(optimizer, epoch): """Sets the learning rate to the initial ...

2018-12-03 15:24:40 11460 2

转载 Pytorch指定特定GPU运行

转载于:http://www.cnblogs.com/darkknightzh/p/6836568.htmlPyTorch默认使用从0开始的GPU,如果GPU0正在运行程序,需要指定其他GPU。有如下两种方法来指定需要使用的GPU。类似tensorflow指定GPU的方式,使用CUDA_VISIBLE_DEVICES。1.1 直接终端中设定:CUDA_VISIBLE_DEVICES=...

2018-12-02 11:48:17 1433

转载 Pytorch超出内存

转载自https://ptorch.com/news/160.html一、不要在循环训练中累积历史记录。默认情况下,涉及需要求导/梯度gradients变量的计算将保存在内存中。计算中避免使用这些变量,例如在跟踪统计数据时,这些变量在循环训练中将超出你内存。相反,您应该分离变量或访问其基础数据。有时,当可微分变量可能发生时,它可能并不明显。考虑以下循环训练(从源代码删减):total_lo...

2018-12-02 09:54:22 10192

原创 各版本Pytorch安装详解

Pytorch安装教程windows版本conda安装1.cuda9.0 python3.6/3.5/3.7conda install pytorch -c pytorchpip3 install torchvision2.cuda8.0 python3.6/3.5/3.7conda install pytorch cuda80 -c pytorchpip3 install to...

2018-11-30 15:06:35 29243 7

转载 Python的数据类型

https://blog.csdn.net/luanpeng825485697/article/details/78387573

2018-10-09 20:10:13 80

翻译 AIFT后续

4.应用(接上一篇)4.1 结肠镜检查框架分类客观的结肠镜检查质量评估对于确保高质量结肠镜检查至关重要。结肠镜检查视频通常包含大量结肠可视化不良的非信息性图像,这些图像对于检查结肠或执行治疗操作是不理想的。视频中非信息性图像的比例越大,结肠可视化的质量就越低,因此结肠镜的质量就越低。因此,测量结肠镜检查过程的质量的一种方法是监测捕获图像的质量。从技术上讲,结肠镜检查时的图像质量评估可以公式化为...

2018-09-26 22:23:33 461

翻译 Fine-tuning Convolitional Neural Networks for Biomedical Image Analysis: Actively and Incrementally

本篇论文发表于CVPR2017,作者为美国亚利桑那州立大学着的在读博士生周纵苇。它主要解决的仍然是生物医学图像在用于深度学习时数据量过少的问题:如何使用尽可能少的标签数据来训练一个效果promising的分类器。作者提出了一个AIFT (active,incremental fine-tuning)网络,能够节约标注的时间和成本,把主动学习和迁移学习集成到一个框架。AIFT算法开始是直接使用一个预...

2018-09-26 16:38:09 370

转载 YOLOv3

使用YoloV3训练自己的数据https://blog.csdn.net/lilai619/article/details/79695109

2018-09-19 20:51:24 414

空空如也

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

提示
确定要删除当前文章?
取消 删除