【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S

【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CR

【深度学习】新的深度学习优化器探索（协同优化） 文章目录 1 RAdam VS Adam 2 自适应优化 3 LookAhead 3.1 “侵入式”优化器 3.2 LookAhead 中的参数： 4 RAdam 加 LookAhead 的一个实现：Ranger 1 RAdam VS Adam 1,目的 想找到一个比较好的优化器，能够在收敛速度和收敛的效果上都比较好。 目前sgd收

【深度学习】图像输入网络必要的处理流程 文章目录 1 图像处理之灰度转化 2 归一化 3 CLAHE 4 伽马矫正 5 Data augmentation 5.1 裁剪（Crop） 5.2 缩放（Scale） 5.3 翻转（fillip） 5.4 旋转（rotate） 5.5 图像数据增强之弹性形变（Elastic Distortions） 1 图像处理之

【深度学习】医学图像分割多标签损失函数和极坐标变换 文章目录 1 基于分布的损失函数 2 基于区域的损失函数 3 基于边界的损失函数 4 多标签损失函数 5 极坐标变换 1 基于分布的损失函数 基于分布的损失函数旨在最小化两种分布的差异。这一类中最基本的是交叉熵，其他的都是基于交叉熵变换来的。 cross entropy（CE） 交叉熵是从Kullback-Leibler(KL)散度推导出来的，

【深度学习】softmax后处理和弹性形变前处理 文章目录 1 softmax的一个例子 2 后处理：通过平均来集成softmax概率 3 神经网络中的蒸馏技术，从Softmax开始说起 4 softmax加权集成 5 弹性形变前处理 1 softmax的一个例子 首先咱们先来规定一些参数,首先假设分割的前景目标一共有三种类别(行人, 车辆,红绿灯),分割图片的大小依然是200*200.那么题主

【深度学习】论文EMO单眼识别分析 文章目录 1 研究背景 2 所提方法 3 创新点 4 实验结果 5 结论与思考 1 研究背景 情绪是一种心理和生理状态，伴随着认知过程。对情绪的研究已经存在了很长时间。近年来，随着人工智能和深度学习的发展，利用人的生理信号参数，如脑电、心电、体温等自动识别情绪已经获得较大进展，而且情感计算这一领域在医疗保健，教育，产品设计等领域具有广泛的潜在应用前景。许多研究

【深度学习】用CNN的结构打败CNN(深入浅出transformer) 文章目录 1 transformer的基本结构 2 模块1：Positional Embedding 3 模块2：Multi-Head Attention 4 模块3：ADD 5 Transfomer总结 7 配置、使用transformers包 1 transformer的基本结构 2 模块1：Positional Em

【深度学习】深入浅出transformer内部结构 文章目录 1 概述 2 Self-Attention与Transformer 3 Feed Forward Neural Network 4 encoder-decoder attention 1 概述 Transformer由且仅由self-Attenion和Feed Forward Neural Network组成。 Transforme

【深度学习】Swin Transformer结构和应用分析 文章目录 1 引言 2 Swin Transformer结构 3 分析 3.1 Hierarchical Feature Representation（层次特征表示） 3.2 降采样 3.3 局部dependency 4 总结 5 代码测试 1 引言 目前Transformer应用到图像领域主要有两大挑战： 视觉

【深度学习】Transformer在语义分割上的应用探索 文章目录 1 Segmenter 2 Swin-Unet：Unet形状的纯Transformer的医学图像分割 3 复旦大学提出SETR：基于Transformer的语义分割 4 Cell-DETR：基于Transformer的细胞实例分割网络 5 总结 1 Segmenter 图像分割在单个图像patches级别通常是ambiguous，

文章目录 1 前言 2 Self-Attention 3 Multi-Head Attention 4 MedT：用于医学图像分割的Transformer 5 基于Transformer的端到端视频实例分割方法 1 前言 注意力（Attention）机制由Bengio团队与2014年提出并在近年广泛的应用在深度学习中的各个领域，例如在计算机视觉方向用于捕捉图像上的感受野，或者NLP中用于定位关键

文章目录 1 前言 2 VIT 3 图像序列patches 4 哪种结构更高效？ 5 DETR 5.1 architecture 5.2 Transformer 6 Set prediction loss 7 底层视觉任务如何使用 Transformer 1 前言 将Transformer应用到CV任务中现在越来越多了，这里整理了一些相关的进展给大家。 Transformer结

【机器学习】通俗的k-近邻算法算法解析和应用 文章目录 1 概述 2 KNN 场景 3 KNN 原理 4 实例：改进约会网站的配对效果 5 算法总结 6 KNN算法的优缺点 7 图像分类应用 1 概述 k-近邻（kNN, k-NearestNeighbor）算法是一种基本分类与回归方法，我们这里只讨论分类问题中的 k-近邻算法。 一句话总结: 近朱者赤近墨者黑！ k 近邻算法的输入为实例的特征

【机器学习】通俗的决策树算法讲解和应用 文章目录 1 概述 2 决策树场景 3 决策树开发流程 4 决策树的实际运用 5 机器学习决策树算法解决图像识别-ENVI决策树分类 6 总结 1 概述 决策树（Decision Tree）算法是一种基本的分类与回归方法，是最经常使用的数据挖掘算法之一。我们这章节只讨论用于分类的决策树。 决策树模型呈树形结构，在分类问题中，表示基于特征对实例进行分类的过程

jm 文章目录 1 朴素贝叶斯 2 朴素贝叶斯图像像素分割实战——Nemo鱼图像分割（python代码+详细注释） 3 Logistic回归 4 梯度上升法 5 Logistic回归总结 1 朴素贝叶斯 贝叶斯分类是一类分类算法的总称，这类算法均以贝叶斯定理为基础，故统称为贝叶斯分类。本章首先介绍贝叶斯分类算法的基础——贝叶斯定理。最后，我们通过实例来讨论贝叶斯分类的中最简单的一种: 朴素贝叶斯分

【机器学习】支持向量机和ensemble method的解析应用 文章目录 1 SVM概述 2 项目案例: 手写数字识别的优化（有核函数） 3 随机森林 4 集成方法(Ensemble methods) 5 用Adaboost算法来预测森林火灾的发生 6 人脸识别（Adaboost） 1 SVM概述 支持向量机(Support Vector Machines, SVM): 是一种监督学习算法。

ffmpeg（十二）AVFrame解析 前言 AVFrame 位于libavutil/frame.h中，AVpacket一样，是FFmpeg中很重要的结构体。它用于表示未压缩的音视频数据(编码前或者解码后)，使用了引用计数机制来管理内存 首先看一下结构体的描述: 该结构描述被解码的音频或视频数据（原始数据） AVFrame必须用av_frame_alloc分配。注意，这仅分配AVFrame本身，

【机器学习】树回归和聚类算法解析和应用 文章目录 1 树回归 2 CART ( Classification And Regression Tree) 分类回归树 3 K-means 3.1 合理选择 K 值 3.2 采用核函数 3.3 收敛证明 4 聚类应用 1 树回归 树回归 概述 我们本章介绍 CART(Classification And Regression T

Android 利用 FFmpeg 解码音视频数据 FFMpeg解码流程图解 FFMpeg解码代码流程 以下的音频解码的代码实现流程对应于上面的解码图解流程（视频的解码流程跟音频类似） FFMpeg的处理流程 结合上面的流程得到以下的流程： 得到输入文件 -> 解封格式 -> 得到编码的数据包 -> 解码数据包 -> 得到解码后的数据帧 -> 处理数据帧 -&gt