- 博客(681)
- 资源 (25)
- 收藏
- 关注
RSS订阅
原创 Squeeze-and-Excitation Networks-----SENet
Squeeze-and-Excitation Networks（SENet)是CVPR2018公布的一种全新的图像识别结构，它通过对特征通道间的相关性进行建模，把重要的特征进行强化来提升准确率。是目前流行的一种子结构SQUEEZE-AND-EXCITATION BLOCKS上图是SE-block 结构，FtFt是卷积结构，XX和UU是卷积操作的输入与输入，SE-block对UU进行了加权的重标定. 其中包含FsFs和FeFe操作(由于公式编辑器的原因，用tt代替trtr,ss代替sq...
2021-02-06 23:24:50
492
原创 【keras框架下Resnet101_Unet深度学习模型对医学图像语义分割】
盆骨分割模型测试1说明本次采用的是vnet2d二分类模型和Resnet101_Unet模型分别进行训练测试，为防止样本分布不均衡现象，损失函数均采用二分类dice损失，不再使用之前的最原始的二分类交叉熵损失。二分类dice损失如下：#二分类dice损失def dice_coef(y_true, y_pred, smooth): #y_pred =K.cast((K.gr...
2021-02-01 16:07:38
2427
5
原创 高精度实时人脸pfld模型98个关键点模型训练和c++环境部署
1. 代码：https://github.com/polarisZhao/PFLD-pytorch2 环境：torchvision==0.4.0numpy==1.17.2torch==1.2.0opencv_python==4.1.0.25tensorboardX==1.8onnx-simplifier3.#include <opencv2\opencv.hpp>#include <map>#include <vector> #i.
2020-10-04 02:20:03
1059
1
原创 CVPR2020开源论文---defocus-deblurring-dual-pixel去模糊
论文：https://www.eecs.yorku.ca/~abuolaim/eccv_2020_dp_defocus_deblurring/defocus_deblurring_eccv_2020.pdfgithub：https://github.com/Abdullah-Abuolaim/defocus-deblurring-dual-pixel环境：Python 3.6.9 TensorFlow 1.9.0 Keras 2.2.4 Numpy 1.17.2 Scik..
2020-10-03 18:33:45
1455
6
原创 keras框架里重写DataGenerator批数据生成器
我们知道无论是pytorch还是keras中，数据生成器DataGenerator都是很重要的一个部分。对于常规8位灰度图或者彩色图，框架爱提供的API足够我们使用，但是对于特定场景比如医学图像16位数据时就不能采用该模式（至少我是没找到加载16位图的方式，谁找到可以联系告诉我），这时候还是需要我们实际重写该部分；1.二分类问题# coding=utf-8 from keras.preprocessing.image import ImageDataGenerator, array..
2020-07-15 16:07:47
1460
原创 pytorch中DataLoader生成器的使用记录
在深度学习训练数据集中，采用批量训练时候基本都要使用生成器一批次一批次地把数据送入网络，节省内存。在keras中有ImageDataGenerator，使用很方便。所以pytorch也有对应的生成器，这里记录一下学习笔记。个人感觉pytorch的生成器并没有keras的使用方便。keras中有ImageDataGenerator使用：https://blog.csdn.net/qq_35054...
2020-03-09 17:03:29
2971
3
原创 keras的batch数据生成器使用ImageDataGenerator
官方封装的训练集batch生成器是ImageDataGenerator对象的flow方法(或flow_from_directory)，该函数返回一个和python定义相似的generator。其实主要就是建立并使用dataGenerator生成器从一个图像列表或者文件夹中生成一个batch_size的数据流。keras中文文档解释链接：https://keras.io/zh/prepro...
2019-09-23 00:02:05
1737
原创 【python的numpy应用】
1. numpy1:numpy：https://www.cnblogs.com/reaptomorrow-flydream/p/9173161.html2:python x[:] x[::] x[:::]用法，切片和索引 python [:-1] [::-1]的理解(容易混淆) 所以a[::-1]相当于 a[-1:-len(a)-1:-1]，也就是从最后一个元素到第一个元素复制...
2019-08-05 17:56:29
991
原创 Tensorboard可视化浏览器无法加载解决办法
解决办法：修改指定地址，进入所在log目录，终端输入命令改为C:\Users\Administrator\Desktop\标定>tensorboard --logdir=log --host=127.0.0.1
2019-07-09 23:59:31
1691
2
原创 [C ++的STL笔记---有搬运】
1. list list 由双向链表（doubly linked list）实现而成，元素也存放在堆中，具有双链表结构；每个元素都是放在一块内存中，其内存空间可以是不连续的，维护一对前向和后向指针，通过指针来进行数据的访问，因此支持前向/后向遍历。这个特点使得它的随机存取变得非常没有效率，因此它没有提供 [] 操作符的重载。但是由于链表的特点，它可以很有效率的支持任意地方的插入和...
2018-10-15 16:10:04
242
转载 【cpp中的虚函数与继承个人笔记总结】
https://www.cnblogs.com/jianyungsun/p/6361670.html继承：继承主要实现重用代码，节省开发时间。１、C#中的继承符合下列规则： 继承是可传递的。如果C从B中派生，B又从A中派生，那么C不仅继承了B中声明的成员，同样也继承了A中的成员。Object类作为所有类的基类。 派生类应当是对基类的扩展。派生类可以添加新的成员，但不能除...
2018-10-12 00:02:48
318
原创 【医疗图像库ITK4.12+VS2015在Win10下配置详解】
鉴于现在网上关于ITK的学习资料少之又少，国内也只有一些医疗企业使用，适用面不广，但又必不可少。关于ITK较为新版本的配置说明几乎没有，本人在参阅大量相关配置说明，填了说不清的坑之后，总结了本篇较为全面的ITK配置说明，用的都是最新的版本。本身软件与系统都在更新迭代，现在新学的人没必要再去用老的版本去学习使用。 InsightToolKit（以下简称ITK）是一个开放源码、面向对象的...
2018-08-24 16:58:32
3049
17
原创 极简代码遥感语义分割，结合GDAL从零实现
定义的是经典的U-Net网络，相对于论文原模型稍作了修改。原文DOI：10.1007/978-3-319-24574-4_28。
2024-05-08 09:50:05
12
原创 warm-up结合CosineAnnealingLR
在实际应用中，你可以根据具体情况合理设置这两个阶段的学习率，使得模型训练能够更好地收敛和达到较高的性能。一般来说，warm-up 阶段的学习率可以设置相对较低，以帮助模型在初始阶段更稳定地学习参数；而余弦退火阶段的最大学习率可以设置较高，以在训练后期更好地优化模型。在结合 warm-up 和余弦退火调度器时，warm-up 阶段的初始学习率和余弦退火调度器的最大学习率不一定需要相同。通常情况下，这两者的学习率可以不同。
2024-05-07 19:01:41
61
原创 gradcam: Class Activation Maps for Semantic Segmentation
【代码】gradcam: Class Activation Maps for Semantic Segmentation。
2024-04-10 17:05:00
27
转载 大模型生产力的头场变革，从英特尔商用 AI PC 说起
此前加注在所有数字化基础设施之上的大应用、业务逻辑、软件也都将被重新写一遍，业务模式也将重构，在 AI PC 上，英特尔以经济性、物理性、数据安全性为三大准则，在技术和产品上不断更新迭代，在生态上与合作伙伴齐头并进，赋能各个场景，以水的姿态触达 AI 行业的每个角落。另一方面，端侧大模型对企业最大的好处是数据的安全性。当一项 AI 技术以同样的方式，默默地支持着各行各业的发展，没有特意彰显自己的地位与壁垒，反倒是一直以利他之心做着服务于整个产业之事，那个看似全在付出的厂商却可能成为最大的赢家。
2024-04-02 18:35:21
13
原创 VSCode - 离线安装扩展python插件教程
2022-06-23发布：hangge阅读：8706通常情况下，VSCode 安装插件只需要在程序中的扩展页中搜索并下载安装即可。但有时因为网络限制等问题，无法通过在线方式进行下载安装，我们也可以通过离线方式安装。下面以 Python 插件为例，演示如何通过手动下载插件安装包，然后进行本地安装。
2024-04-01 18:18:03
870
原创 copy-test
cp.setData("text/plain", "你复制了一段魔法")天姥连天向天横，势拔五岳掩赤城。天台四万八千丈，对此欲倒东南倾。我欲因之梦吴越，一夜飞度镜湖月。海客谈瀛洲，烟涛微茫信难求，越人语天姥，云霞明灭或可睹。湖月照我影，送我至剡溪。
2024-03-27 17:42:46
130
原创 numcpp& boost&vs2017踩坑记录
之前想用boost1.69版本，但是boost与numcpp编译过程死活找不到boost1.69，踩坑无数，只能采用1.79版本。注意的是Boost_DIR所在路径BoostConfig.cmake。之后就是配置numcpp和boost，numcpp是hpp的库，配置简单。编译过程遇见error MSB3073: 命令“setlocal”错误。项目属性页——配置属性——生成事件——生成后事件——在生成中使用“最后有人说NumCpp。实际测试性能能确实拉跨。生成vs2017工程。
2024-03-27 13:49:46
233
原创 混合精度训练篇
下溢出更加常见，因为在网络训练的后期，模型的梯度往往很小，甚至会小于 FP16 的下限 ，此时梯度值就会变成 0，模型参数无法更新。为了解决下溢出的问题，论文中对计算出来的 loss 值进行缩放 (scale)，由于链式法则的存在，对 loss 的缩放会作用在每个梯度上。因为随着训练的进行，网络的梯度会越来越小，更大的 loss_scale 可以更加充分地利用 FP16 的表示范围。为了实现 FP16 的训练，我们需要把模型权重和输入数据都转成 FP16，反向传播的时候就会得到 FP16 的梯度。
2024-02-21 01:04:03
283
转载 机器学习面试题总结
决策树决策树的建树过程是怎样的？决策树的建树过程可以分为两个主要步骤：特征选择和树的生成。1. 特征选择：在决策树的建树过程中，选择最佳的特征来划分数据集是非常重要的。常用的特征选择方法有信息增益（Information Gain）、增益率（Gain Ratio）、基尼系数（Gini Index）等。这些方法都是通过计算特征的不纯度或分裂后的增益来评估特征的重要性。选择具有最大增益或最小不纯度的特征作为划分标准。2. 树的生成：树的生成是一个递归的过程。通过选定的划分特征，将当前节点的数据集划分成更小的子集
2024-02-21 00:25:16
23
原创 图像img2img任务任务中评估指标
结构相似性指数（Structural Similarity Index，SSIM）： SSIM可以衡量重建图像与原始图像之间结构相似性的指标，数值越接近1表示重建图像质量越好。峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）： PSNR是衡量重建图像与原始图像之间峰值信噪比的指标，数值越高表示重建图像质量越好。峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）：衡量图像失真程度的指标，常用于图像和视频压缩评估。MSE越小，表示两个图像越接近。
2023-11-30 23:58:34
411
原创 PROSTATEx-2 上前列腺癌的 3D CNN 分类
结果表明，虽然很难单独从每种模式判断病变应该是阳性还是阴性，但当应该是阳性（真阳性和假阴性）时，堆叠模式显示的白色多于灰色，并且显示的灰色多于病变。由于所有患者的 T2 序列的分辨率并不相同，因此图像的每个像素代表现实世界长度中的不同毫米。（顶行）未配准的 T2、ADC、DWI 图像，（btm 行）共同配准的 T2、ADC、DWI，描绘为图像文件的三个通道。在病变中心裁剪所需数量的像素后，所有裁剪图像的大小都会调整为 60X60 分辨率，这是裁剪后最常见的分辨率。未使用 T2 矢状序列，即前列腺的侧视图。
2023-10-23 18:25:13
1392
原创 an adaptive shuffle attention (ASA) module
F-UNet++：基于多用途自适应shuffle注意力和复合多输入重建网络的遥感图像融合”，在这项工作中，自适应洗牌注意力（ASA）模块和优化的 UNet++ 结合在融合 UNet++（F-UNet++）框架中，用于解决 MS 和 PAN 图像融合问题。
2023-07-26 13:56:07
543
原创 libtorch水下图像增强模型和基准数据集
此外，我们提出了一个在此基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明了所提出的 UIEB 用于训练卷积神经网络（CNN）的泛化。此外，我们提出了一个在此基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明了所提出的 UIEB 用于训练卷积神经网络（CNN）的泛化。此外，我们提出了一个在此基准上训练的水下图像增强网络（称为 Water-Net）作为基线，这表明了所提出的 UIEB 用于训练卷积神经网络（CNN）的泛化。60 张具有挑战性的水下图像。
2023-07-19 18:30:15
1399
翻译 UNet-U2Net-MultiResUNet-for-vessel-Segmentation视网膜血管分割
在本研究中，使用了 U-Net 模型（生物医学图像分割最成功的深度学习模型）和受 U-Net 架构启发的 U2-Net 模型。在本研究中，scimage、sci-kit learn、OpenCV、albumentations 库用于使用 U-Net、U2-Net 模型 Tensorflow 背景的 Keras 进行数据增强和预处理。除了 U-Net 的这些功能之外，U2-Net 可以更好地捕获浅层和深层的局部和整体信息，无论分辨率如何 [3]。准确度、灵敏度、特异性、精密度、ppv、f1 分数。
2023-07-19 18:22:36
240
原创 SA-Net：用于医学图像分割的尺度注意网络 A scale-attention network for medical image segmentation
医学图像的语义分割为后续的图像分析和理解任务提供了重要的基石。随着深度学习方法的快速发展，传统的 U-Net 分割网络已在许多领域得到应用。基于探索性实验，已发现多尺度特征对于医学图像的分割非常重要。在本文中，我们提出了一种尺度注意力深度学习网络（SA-Net），它在残差模块中提取不同尺度的特征，并使用注意力模块来增强尺度注意力能力。SA-Net 可以更好地学习多尺度特征，对不同的医学图像实现更准确的分割。此外，这项工作在多个数据集上验证了所提出的方法。实验结果表明，SA-Net 在视网膜图...
2023-07-19 18:13:37
1065
翻译 【无标题】
本质上，子像素卷积的作用是将尺寸为 10 x 10 x 64 的特征图压缩为另一个具有浅深度的更大特征图（如果上采样率为 8，则为 80 x 80 x 1）。例如，它可以用于执法。然而，我们的模型无法使用原始数据，它只需要车牌图像，而不是街景和汽车。在好莱坞犯罪电影中，我们经常看到侦探在一位电脑极客的帮助下破获疑难案件，这些极客可以从模糊、低质量的图像中揭示隐藏的信息。论文中，研究人员发现了一种新颖的内容损失函数，该函数在 VGG 网络的特征空间中计算 MSE，突出显示突出的图像特征，而不是在图像空间中。
2023-07-19 18:07:45
62
翻译 CNN和LSTM的气象图降水预测
最原始的也是最简单的预测视频中的下一帧的内容的方法是使用CNN和LSTM。我们是否可以将预测天气雷达的下一个捕获信号的问题简化为预测视频中的下一帧的问题呢（雷达的讯号也是图像序列）。所以我收集了一些图像序列，并开始实验各种架构的卷积LSTM神经网络。每个训练数据点由36个连续的雷达原始文件(对应于间隔5分钟的3小时的测量)组成。然后将每个数据点分成两部分。前18帧用作“特征”(x)，后18帧是神经网络在给定前18帧的情况下试图预测的内容(y)。
2023-07-17 15:46:34
370
转载 libtorch 模型dectypt
这回v_ch也有2千万的数据了，大小也是一样的，可以torch还是报错！这个小功能花费了一天半的时间，其实我一开始的半天就搞通可以流读到load里面，然后都是在解决上面的问题，std::filebuf的那个问题还不知道哪里有问题！一般我们都是用上面这个，直接给模型路径就可以了，下面这个是流，没用过。在python强大的第三方插件库中，就有这么一个插件，很好的解决了我们的问题，这个插件的名为：cryptography。这样，正常的和不正常的都保存，然后比较两个文本，发现不正常的最后比正常的多了一个数字。
2023-07-14 10:16:56
107
原创 libtorch 调用模型方法
libtorch 是 pytorch 的 C++ 版本，支持 CPU 端和 GPU 端的模型部署。相较于用 tensorrt 部署 pytorch 模型，用 libtorch的优势在于：pytorch 和 libtorch 同属一个生态，API 语句比较接近，并且不会出现某网络层不支持的问题。链接：https://juejin.cn/post/7153132249028755463。这里就会导出 trace 模型 resnet50.pt。首先加载 resnet50 模型，并导出 trace 模型。
2023-07-13 17:52:24
565
转载 Libtorch win10实现人像背景抠图
高版本VS中有个bug，需要手动添加点东西我们的代码才能正常的调用GPU。找到链接器——命令行——其它选项，然后输入： /INCLUDE:?
2023-07-13 17:42:28
110
CAMUS 心脏分割超声图像数据集，含500名患者的超声数据
2021-01-02
openvino_insightface_fp32人脸识别模型
2020-11-22
openvino_insightface_fp32人脸识别模型
2020-11-22
zbar_win64.zip
2020-04-16
LUNA16数据集.doc
2020-03-07
Hessian矩阵以及在血管增强中的应用—OpenCV3和c++版本代码工程
2020-03-02
LITS2017肝脏肿瘤分割挑战数据集下载地址百度云.txt
2019-12-20
gflags.zip
2019-12-19
opencv_hand.rar
2019-09-26
LITS2017肝脏肿瘤分割挑战数据集.txt
2019-08-27
多模态脑肿瘤分割挑战2018.txt
2019-08-27
Promise2012_前列腺MR图像.txt
2019-08-27
Tesseract 4.0 for VS2015及OpenCV数字识别示例程序
2018-11-05
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人