【深度学习】图像数据集处理常用方法合集（部分基于pytorch） 1 图像数据集预处理的目的 1.1 灰度图转化 1.2 高斯滤波去除高斯噪声 2 使用双峰法进行图像二值化处理 2.1 图像直方图 2.2 双峰法 3 2d数据转nii格式阶段 4 Pytorch数据预处理：transforms的使用方法 5 其他的transforms处理方法，总结有四大类

【深度学习】如何从结构出发更好的改进一个神经网络 文章目录 1 降采样和升采样 2 UNet++模型诞生 3 参数多了是导致UNet++比UNet好吗 4 一些思路 5 改进卷积结构 5.1 转置卷积 5.2 空洞卷积 5.3 Depth-wise Convolution 5.4 MBConv 5.5 高效的Unet 5.6 基于keras的代码实

【深度学习】如何从结构出发更好的改进一个神经网络（二） 文章目录 1 空洞卷积(dilated convolution) 2 PReLU 3 LeakyReLU可以解决神经元”死亡“问题 4 ResNet34 5 深度学习网络中backbone 6 实验 6.1 test_binary_crossentropy_bn_LeakyReLU_lr=0.01, decay=2e-5 6.

【深度学习】模型训练过程可视化思路（可视化工具TensorBoard） 文章目录 1 TensorBoard的工作原理 2 TensorFlow中生成log文件 3 启动TensorBoard，读取log文件 4 浏览器中启动TensorBoard 5 读取并导出Tensorboard中数据 6 图(GRAPH)数据可视化 7 补充 1 TensorBoard的工作原理 在TensorFlow的程

Kong 基础认证插件 （ Basic auth ） Kong 网关有许许多多的插件，接下来我们首先来看下 AUTHENTICATION 模块下的基础认证 （ Basic Auth ）插件。下文将会详细讲解其实现 什么是 Basic Auth? 基本认证是基于 HTTP 的安全认证机制。 Basic Auth 的流程。 浏览器的 Basic Auth 类似于你日常的用户名密码登陆。其流程类似

【深度学习】DL下的3D图像和Low-level Vision问题解析 文章目录 1 概述 2 low-level vision 2.1 【注意力机制、超分】Learning Texture Transformer Network for Image Super-Resolution 2.2 【解耦表征、多模图像转换、超分、修复】Nested Scale-Editing for C

【深度学习】Keras和Tensorflow框架使用区别辨析 文章目录 1 概述 2 Keras简介 3 Tensorflow简介 4 使用tensorflow的几个小例子 5 Keras搭建CNN 6 tensorflow和keras版本对应关系 7 TensorFlow 2.0中的tf.keras和Keras有何区别？为什么以后一定要用tf.keras？ 1 概述 Keras 已经被大规模采用

【深度学习】深度学习安防的探索与实践 文章目录 1 概述 2 安防领域的深度学习应用 3 当深度学习遇到系统和网络安全 3.1 前馈神经网络概述 3.2 基于深度学习的日志数据异常检测 3.3 MAD-GAN 基于生成对抗网络的时间序列数据多变量异常检测 4 使用深度学习检测TOR流量 1 概述 随着深度学习技术的发展，其使得计算机朝着真正的人工智能迈进了一大步，使用海

【深度学习】孪生网络（Siamese Network）的模式和训练过程 文章目录 1 概述 2 Siamese network 孪生神经网络 3 孪生神经网络和伪孪生神经网络分别适用于什么场景呢？ 4 细节 5 网络训练 6 人脸检测—Siamese Network 1 概述 孪生神经网络（Siamese neural network），又名双生神经网络，是基于两个人工神经网络建立的耦合构架。孪生

【深度学习】关于图像情感识别的探索（包括多模态） 文章目录 1 情感分类 1.1 基于低端视觉特征的图像情感分类 1.2 基于语义特征的图像情感分类 1.3 基于深度学习的图像情感分类 1.4 数据集 2 用深度神经网络识别面部表情 3 多模态情感识别 1 情感分类 当前情感分类上，主要把情感分为两类或者八类： 图像情感分类方法从特征角度来看，主要可以划分为三个方向，即：

【深度学习】Tensorflow搭建卷积神经网络实现情绪识别 文章目录 1 Tensorflow的基本使用方法 1.1 计算图 1.2 Feed 1.3 Fetch 1.4 其他解释 2 训练一个TensorFlow模型来识别情绪 1 Tensorflow的基本使用方法 使用图 (graph) 来表示计算任务。 在被称之为 会话 (Session) 的上下文 (co

文章目录 1 什么是深度学习对抗样本 2 深度学习对于对抗样本表现的脆弱性产生的原因 3 深度学习的对抗训练 4 深度学习中的对抗攻击和对抗防御 5 知识蒸馏技术 5.1 知识蒸馏介绍 5.2 为什么要有知识蒸馏？ 5.3 知识蒸馏基本框架 1 什么是深度学习对抗样本 Christian Szegedy等人在ICLR2014发表的论文中，他们提出了对抗样本（Adversar

【深度学习】对抗扰动、垃圾/钓鱼邮件自动分类和UEBA 文章目录 1 数据集 2 清洗数据集 3 GloVe + LSTM 4 GloVe词向量模型 5 搭建网络整体结构 6 训练模型并验证 7 对抗扰动 8 数据安全智能守护神UEBA（用户实际行为分析） 1 数据集 总的数据集一共有4458条数据，将按照8:2进行划分训练集和验证集。通过分析发现，其中pam的数量有3866条，占数据集的大多数，

【深度学习】深入浅出对抗机器学习(AI攻防) 文章目录 1 Attack ML Model概述 2 基本概念 3 攻击分类 4 经典的对抗性样本生成算法 5 经典的对抗防御方法 6 人工智能安全现状概析 1 Attack ML Model概述 随着AI时代机器学习模型在实际业务系统中愈发无处不在，模型的安全性也变得日渐重要。机器学习模型很可以会遭到恶意攻击，比较直接就能想到的如：人脸识别模型的攻击

【机器学习】朴素贝叶斯、SVM和数据分布检验分析 文章目录 1 朴素贝叶斯 2 SVM 2.1 线性可分 2.2 最大间隔超平面 2.3 SVM 最优化问题 3 数据分布检验方法 3.1 数据分布检验 3.2 t检验 3.3 如何检测两组数据是否同分布 1 朴素贝叶斯 朴素贝叶斯分类 那么既然是朴素贝叶斯分类算法，它的核心算法又是什么呢？ 是下面这个

【深度学习】协同优化器和结构化知识蒸馏 文章目录 1 概述 2 什么是RAdam（Rectified Adam） 3 Lookahead - 探索损失面的伙伴系统=更快，更稳定的探索和收敛。 4 Ranger - 一个使用RAdam和LookAhead的优化器的集成代码库。 5 结构化知识蒸馏 1 概述 一篇由知名深度学习研究员Geoffrey Hinton撰写的新论文介绍了LookAhead优

【深度学习】超强优化器如何与网络有机结合 1 Ranger优化器 2 一个例子（基于CNN和pytorch） 3 剪枝（减小优化器压力） 1 Ranger优化器 RAdam + Lookahead + Gradient Centralization 优化器(Optimizer)对于深度神经网络在大型数据集上的训练是十分重要的，如SGD和SGDM，优化器的目标有两个：加速训练过程和提高模型的泛化能力

【深度学习】基于深度神经网络进行权重剪枝的算法（二） 文章目录 1 摘要 2 介绍 3 OBD 4 一个例子 1 摘要 通过从网络中删除不重要的权重，可以有更好的泛化能力、需求更少的训练样本、更少的学习或分类时间。本文的基础思想是使用二阶导数将一个训练好的网络，删除一半甚至一半以上的权重，最终会和原来的网络性能一样好，甚至更好。最好的泛化能力是在训练误差和网络复杂度平衡的时候。 2 介绍 达到这

【深度学习】基于深度神经网络进行权重剪枝的算法（一） 1 pruning 2 代码例子 3 tensorflow2 keras 权重剪裁（tensorflow-model-optimization） 3.1 第一步 安装优化包 3.2 Train a model without pruning 3.3 Fine-tune pre-trained model with pru

【深度学习】Swin-Unet图像分割网络解析（文末提供剪枝仓库） 文章目录 1 概述 2 Swin-Unet架构 3 bottleneck理解 4 具体结构 4.1 Swin Transformer block 5 通过剪枝和量化压缩Transformer 1 概述 Swin-Unet: Unet-like Pure Transformer for Medical Image Se