切换马甲
上一页
下一页
分类专栏
-
242篇
默认分类
文章数:242
文章总阅读量:222w
文章总收藏量:1.3k
文章总点赞量:2.2w
按发布时间
按阅读量
按点赞量
-
【深度学习】深入浅出nnUnet的数据处理方法 文章目录 1 nnUNet数据预处理crop方法 2 预测结果可视化 3 如何针对三维医学图像分割任务进行通用数据预处理:nnUNet中预处理流程总结 3.1 数据格式转换 3.2 图像裁剪Crop 3.3 重采样Resample 3.4 标准化Normalization 4 后处理 1 nnUNet数据预处理crop2021-05-31 17:01:3995 5 12636
-
【深度学习】Pytorch的深度神经网络剪枝应用 文章目录 1 概述 2 pytorch基于卷积层通道剪枝的方法 3 模型剪枝:Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017). 4 一份复现的剪枝代码 1 概述 网络剪枝个人觉得是一种实用性非常强的网络压缩方法,并且可以和其它模型压缩方法如2021-05-31 17:02:0593 5 6231
-
【深度学习】Swin-Transformer和EfficientNet对比分析 文章目录 1 概述 2 算法解析 2.1 Speed 2.2 EfficientNet v2算法详解 2.3 渐进学习 3 EfficientUNet 4 总结 1 概述 就在几天前Swin Transformers刚刚为Transformer阵营夺下ImageNet的Top-1准确率(86.42021-06-03 11:03:4095 5 7140
-
【深度学习】EfficientNetV2分析总结和flops的开源库 1 EfficientNetV1中存在的问题 2 EfficientNetV2中做出的贡献 3 NAS 搜索 4 EfficientNetV2网络框架 4.1 EfficientNetV2-M的详细参数 4.2 EfficientNetV2-L的详细参数 5 EfficientNetV2与其他模型训练时间对比 6 代码 7 FL2021-06-03 11:04:0097 8 7067
-
【深度学习】医学图像分割的集成与后处理 文章目录 1 如何通过组合多个神经网络提高模型性能 1.1 使用融合模型减少模型的方差 2 tensorflow keras 实现模型平均 2.1 训练多种模型 2.2 融合模型 3 神经网络训练之交叉验证 4 训练和后处理 5 介绍一些免费/开源的医学影像后处理工具 1 如何通过组合多个神经网络提高模型性能 深度神经网络是非线性的2021-06-07 09:26:5392 5 5795
-
【深度学习】U型的Transfomer网络(Swin-Unet)和Swin-Transformer分类 文章目录 1 概述 2 Swin-Transformer分类源码 3 训练 4 关于复杂度降低问题 5 关于SW-MSA的操作问题 6 总结 1 概述 代码暂时还未开源。 在过去的几年中,卷积神经网络(CNN)在医学图像分析中取得了里程碑式的进展。尤其是,基于U形架构和跳跃连接的深度神经网络2021-06-07 09:27:2695 4 6762
-
【机器学习】集成学习与模型融合方法举例 文章目录 1 概述 1.1 什么是集成学习 2 CrossValidation 交叉验证 3 stacking 4 Voting投票器 5 Bagging 1 概述 1.1 什么是集成学习 所谓“三个臭皮匠赛过诸葛亮”的道理,在机器学习数据挖掘的工程项目中,使用单一决策的弱分类器显然不是一个明智的选择,因为各种分类器在设计的时候都有自己的优势和缺点,2021-06-07 09:28:1597 5 4716
-
【深度学习】计算机视觉相关技术探索(一) 文章目录 1 计算机视觉概述 2 使用机器学习解决图像分类问题 3 Keras和神经网络简介 4 卷积神经网络(CNN),迁移学习 5 对象检测问题 6 yolo回归型的物体检测 7 图像分割和注意力模型 8 NLP和图像字幕的基础 9 低层次视觉-生成对抗网络(GAN) 10 视频分析 11 视觉SLAM(二维到三维) 1 计算机视觉概述 计算机视觉是一2021-06-07 11:48:5092 5 5854
-
【深度学习】深度神经网络后处理之全连接CRFs(DenseCRF) 文章目录 1 概述 2 条件随机场 2.1 什么样的问题需要CRF模型 2.2 随机场到马尔科夫随机场 2.3 从马尔科夫随机场到条件随机场 3 python实现图像分割CRFs后处理 4 全连接CRF用于精确定位 5 CRFasRNN 6 总结 1 概述 目前图像像素级语义分割比较流行使用深度学习全卷积神2021-06-07 17:47:5498 7 14039
-
【深度学习】带有 CRF-RNN 层的 U-Net模型 文章目录 1 图像语义分割之FCN和CRF 2 CRF as RNN语义分割 3 全连接条件随机场与稀疏条件随机场的区别 4 CRF as RNN 5 带有 CRF-RNN 层的 U-Net 6 超参数和结果 7 Edge-aware Fully Convolutional Network 1 图像语义分割之FCN和CRF 介绍 图像语义分割2021-06-08 14:50:3495 5 6054
-
【深度学习】深入浅出CRF as RNN(以RNN形式做CRF后处理) 文章目录 1 概述 2 目标 3 思路 4 简述 5 论文原文 5.1 Introduction 5.2 相关工作 5.3 关键步骤 6 仓库代码 1 概述 条件随机场(CRF或CRFs)与隐马尔科夫模型有着千丝万缕的联系。为了理解CRF,这里先简单说一下马尔科夫链(MC, Markov Chain)和2021-06-09 12:09:5793 5 9384
-
【深度学习】带有 CRF-RNN 层的 U-Net模型 文章目录 1 图像语义分割之FCN和CRF 2 CRF as RNN语义分割 3 全连接条件随机场与稀疏条件随机场的区别 4 CRF as RNN 5 带有 CRF-RNN 层的 U-Net 6 超参数和结果 7 Edge-aware Fully Convolutional Network 1 图像语义分割之FCN和CRF 介绍 图像语义分割2021-06-09 14:02:3696 8 4596
-
【深度学习】模式识别技术探索之决策树(Decision tree) 文章目录 1 什么是模式和模式识别? 2 常见的模式识别系统 3 应用领域 4 举例:随机森林(Random Forest) 4.1 基本思想 4.2 决策树 – Decision tree 4.3 3 种典型的决策树算法 4.4 实现 1 什么是模式和模式识别? 当我们人眼看到一幅画时,我们能够很清晰的2021-06-11 10:08:4892 6 5622
-
【深度学习】快照集成等网络训练优化算法系列 文章目录 1 什么是快照集成? 2 什么是余弦退火学习率? 3 权重空间中的解决方案 4 局部与全局最优解 5 特别数据增强 6 机器学习中解决数据不平衡问题 6.1 重新采样训练集 6.2 使用K-fold交叉验证 7 集群丰富类 1 什么是快照集成? 快照集成一句话概括就是在同一个训练过程中,将不同节点的,且存在多样性的模型保存下2021-06-11 12:41:0192 3 5710
-
介绍 Node-RED是IBM开源的一个物联网项目,由于使用低代码,BS架构的WEB编辑器来简化物联网各种数据流的操作,受到很多开发者关注。底层使用的Nodejs作为服务端,支持在线安装卸载第三方依赖包,支持以json文件的流导入导出。本篇文章就给大家详细介绍这一平台的安装,使用,开发。 Node-RED的特性有以下几个 基于流的低代码编程,可导入导出 在线安装卸载第三方包,无需重启 提供拖拽式2021-06-15 10:26:1394 10 11694
-
【深度学习】详解集成学习的投票和Stacking机制 文章目录 1 基础原理 1.1 硬投票 1.2 软投票 2 pytorch综合多个弱分类器,投票机制,进行手写数字分类(boosting) 3 Stacking原理 4 Stacking分类应用 5 kaggle气胸病灶图像分割top4解决方案 1 基础原理 在所有集成学习方法中,最直观的是多数投票。因为其目的是输出基础学习者2021-06-15 10:27:3493 5 12182
-
【深度学习】解析深度学习的集成方法 文章目录 1 前言 2 使用集成模型降低方差 3 如何集成神经网络模型 3.1 Varying Training Data 3.2 Varying Combinations 3.3 总结 4 深入了解模型融合Ensemble(深度+代码) 4.1 Voting ensembles(投票) 4.2 averaging(平均2021-06-15 10:28:2993 7 6931
-
【深度学习】如何将Voting和Stacking等应用到神经网络模型 1 网络“快照”集成法(snapshot ensemble) 2 多模型集成 3 投票 4 Stacking:集成学习策略图解 5 多模态(RGB-D)——Ensemble Learning 6 Softmax:将输出转换为概率 1 网络“快照”集成法(snapshot ensemble) 深度神经网络模型复杂的解空间中存在非2021-06-15 10:30:1593 8 9202
-
【深度学习】详解Resampling和softmax模型集成 文章目录 1 图像重采样 1.1 次级采样(sub-sampling) 1.2 高斯金字塔(Gaussian pyramids) 1.3 上采样(upsampling) 2 医学图像预处理之重采样 3 医疗图像重采样代码分析 4 softmax集成 5 在图像分割中用于多通道conv2d输出的Sigmoid或S2021-06-15 11:49:5396 5 5193
-
【深度学习】深入浅出 CRF-RNN Layer(The End-to-end) 文章目录 1 概述 2 Initialization 3 Message Passing 4 Re-weighting 5 Compatibility Transform 6 Adding Unary Potentials 7 Normalization 1 概述 本文所述方法有三个要点: 用训练的方式求解CR2021-06-16 11:22:1893 5 5428