- 博客(41)
- 收藏
- 关注
RSS订阅原创 U-Net网络学习--01
U-Net网络学习--01摘要一、U-Net: Convolutional Networks for Biomedical Image Segmentation1.1 U-Net的网络结构1.2 U-Net究竟输入了什么1.3 U-Net的损失函数二、deep-learning-for-image-processing2.1 训练代码2.2 训练结果文档分析：2.3 训练结果图片对比：摘要本周主要进行u-net相关的学习，U-Net是比较早的使用全卷积网络进行语义分割的算法之一，该网络的名字也是取自其U
2022-04-10 22:25:15
1510
原创 深度学习图像处理目标检测图像分割计算机视觉 13--图像生成GAN
深度学习图像处理目标检测图像分割计算机视觉 13--图像生成GAN摘要一、图像生成1.1 VAE1.2 生成式对抗网络GAN1.3 DCGAN1.4 WGAN1.5 SRGAN二、Structure and Illumination Constrained GAN for Medical Image Enhancement2.1 摘要2.2 简介2.2.1 模型2.3 生成器和鉴别器结构2.4 创新点2.5 总结三、WGAN摘要本章主要学习生成式对抗网络GAN，GAN的提出最初主要是因为训练样本太少，但
2022-04-03 22:30:26
1846
1
原创 深度学习图像处理目标检测图像分割计算机视觉 12--图像描述（图说）
深度学习图像处理目标检测图像分割计算机视觉 12--图像描述（图说）摘要一、图像描述（图说）1.1 RNN2.2 LSTM原理2.3 图说模型Image Captioning2.4 NIC模型二、U-Net: Convolutional Networks for Biomedical Image Segmentation（U-Net：用于生物医学影像分割的卷积网络）2.1 摘要2.2 简介2.3 网络结构2.4 结论三、U-Net摘要本周主要学习图像描述，即为图片生成描述语言，输入某一张图片，输出的是一
2022-03-27 21:14:09
4740
原创 深度学习图像处理目标检测图像分割计算机视觉 11--医疗影像分割
深度学习图像处理目标检测图像分割计算机视觉 11--医疗影像分割摘要一、医疗影像分割二、U-Net三、Brain Tumor Classification based on MR Images using GAN as a Pre-Trained Model基于 MR 图像的脑肿瘤分类使用 GAN 作为预训练模型3.1、摘要3.2、介绍3.3、模型、结构3.4、总结摘要本周主要学习关于医疗影像分割的算法和例子，这里主要研究的是对MRI影像中的前列腺组织进行分割。对U-Net网络进行改进实现目标。学习一篇
2022-03-20 20:56:01
1652
原创 深度学习图像处理目标检测图像分割计算机视觉 10--通用场景图像分割
深度学习图像处理目标检测图像分割计算机视觉 10--通用场景图像分割摘要一、通用场景图像分割1.11.2二、代码三、A Machine Learning Approach to Predict Thyroid Disease at Early Stages of Diagnosis3.1 摘要3.2 介绍3.3 文献调查3.4数据集的描述3.5 结论摘要一、通用场景图像分割1.11.2二、代码三、A Machine Learning Approach to Predict Thyroid Dis
2022-01-09 18:17:19
2747
1
原创 深度学习图像处理目标检测图像分割计算机视觉 09--目标检测
深度学习图像处理目标检测图像分割计算机视觉 09--目标检测摘要一、任务二、代码三、文献四、毕设总结摘要本周计划完成目标检测的下半部分网络，运行一个yolo目标检测的代码。了解甲状腺评分的论文。一、任务二、代码三、文献四、毕设总结...
2021-12-19 19:39:50
2957
原创 深度学习图像处理目标检测图像分割计算机视觉 08--目标检测
深度学习图像处理目标检测图像分割计算机视觉 08--目标检测摘要一、目标检测1.1 区域卷积神经网络R-CNN1.2 SPP-NET1.3 Fast R-CNN1.4 Faster R-CNN二、代码总结摘要本周计划学习目标检测四种网络类型，从原始的R-CNN、到SPP-NET到Fast R-CNN、Faster R-CNN，网络之间的进化史以及改进 的部分。运行一个目标检测的代码。学习甲状腺评分的论文，了解甲状腺评分规则以及现有的评分类论文。毕设目前完成了开题报告和ppt。一、目标检测目标检测就是
2021-12-12 23:14:22
2870
原创 深度学习图像处理目标检测图像分割计算机视觉 07--图像检索
深度学习图像处理目标检测图像分割计算机视觉 07--图像检索摘要一级目录一级目录一级目录一级目录一级目录一级目录二级目录三级目录摘要本周主要学习图像检索，能够实现检索过程代码，查找有关甲状腺癌的相关资料，了解当前的研究现状以及甲状腺癌方向与人工智能结合的论文。一级目录一级目录一级目录一级目录一级目录一级目录二级目录三级目录...
2021-12-05 22:00:38
431
原创 JAVA零基础学习笔记--01 基础知识和配置
计算机语言的发展史以及JAVA初识一、计算机的三代语言二、JAVA简史三、JAVA核心机制3.1 垃圾收集机制3.2 跨平台原理四、dos命令五、JDK安装六、安装记事本：notepad++一、计算机的三代语言计算机语言经历了三代：第一代是机器语言，第二代是汇编语言，第三代是高级语言。【1】第一代：机器语言（相当于人类的原始阶段）机器语言是机器指令的集合，机器指令展开来讲就是一台机器可以正确执行的命令。电子计算机的机器指令是一列二进制数字。计算机将之转变为一列高低电平，以使计算机的电子器件受到驱动
2021-12-03 16:32:54
119
原创 深度学习图像处理目标检测图像分割计算机视觉 06--图像分类
深度学习图像处理目标检测图像分割计算机视觉 06--图像分类摘要一、图像分类1.1 AlexNet（8层）1.2 VGG（19层）1.3 GoogLeNet1.4 ResNet、ResNext二、U-Net模型2.1 U-Net2.2 实现三、甲状腺癌研究现状3.1 影像学评估在TC诊断中应用3.2 人工智能助力TC的诊断与决策总结摘要本周的主要工作是学习深度学习图像分类，跑出一个UNET模型，了解甲状腺癌的研究现状和研究的技术难点。一、图像分类图片分类就是给图片一个标签但是这个标签并不是随便
2021-11-28 15:13:53
619
1
原创 深度学习图像处理目标检测图像分割计算机视觉 05--深度学习基础
深度学习图像处理目标检测图像分割计算机视觉 05--深度学习基础摘要一、卷积层二、池化层三、全连接层四、误差反向传播4.1 池化层的误差反向传播4.2 卷积层的误差反向传播五、代码实现六、论文6.1 摘要6.2 论文结构6.2.1 简介6.2.2 模型结构6.3 总结总结摘要本文主要介绍卷积神经网络的基本构成，以及每一部分的基本作用，并且给出误差反向传播的具体计算过程以帮助理解整个网络架构。文章也给出具体的代码实现过程，分步分析具体的作用以及运行结果，也给出MNIST手写数据集的训练和测试过程。Thi
2021-11-14 11:05:03
3008
原创 深度学习图像处理目标检测图像分割计算机视觉 04--神经网络与误差反向传播BP算法
深度学习图像处理目标检测图像分割计算机视觉 04--神经网络与误差反向传播BP算法摘要一、1.1二、2.1三、3.1四、4.1五、5.1六、6.1总结二级目录三级目录摘要一、1.1二、2.1三、3.1四、4.1五、5.1六、6.1总结二级目录三级目录...
2021-11-06 22:46:38
560
原创 深度学习图像处理目标检测图像分割计算机视觉 03--传统方式的图像处理
深度学习图像处理目标检测图像分割计算机视觉 03--传统方式的图像处理摘要一、三、四、5六、总结二级目录三级目录摘要一、三、四、5六、总结二级目录三级目录
2021-10-23 22:59:24
686
原创 深度学习图像处理目标检测图像分割计算机视觉 02--图像特征与描述
深度学习图像处理目标检测图像分割计算机视觉 02--图像特征与描述摘要一、图像特征与描述1.1、颜色特征1.2、几何特征提取1.3、基于特征点的特征描述子二、文献阅读2.1、摘要2.2、介绍2.3、方法2.3.1、 NASGAN网络2.3.2、深度生存学习2.4、结果2.5、总结总结摘要本周主要进行了图像特征与描述算法的学习，以及文献的阅读。图像特征与描述算法抓主要讲的是把同一地点不同方位的两张图拼成一张图的原理。利用的是图像的特征，包括颜色特征，几何特征，基于特征关键点的描述子，其他特征提取等。一、
2021-10-17 12:44:08
1806
原创 深度学习图像处理目标检测图像分割计算机视觉 01--图像预处理
深度学习图像处理目标检测图像分割计算机视觉 01-图像预处理摘要一、开发环境搭建1.1 anaconda安装1.2 安装TensorFlow1.3 安装OpenCV二、中值滤波三、高斯滤波四、快速傅里叶变换五、AHE和CLAHE总结摘要本课程为计算机视觉，那么计算机视觉到底是什么东西？就是研究如何使机器“看”的科学，让计算机具备人类视觉的所有功能，让计算机从图像数据中，提取有用的信息并解释，重构人眼，重构视觉皮层，重构大脑剩余部分。计算机视觉可以干什么？他可以模拟人类视觉的优越能力，同时还可以弥
2021-10-09 23:07:36
1363
原创 2021第一学期学习笔记01
这里写目录标题摘要论文研读本地服务器项目报告软件安装总结二级目录三级目录摘要论文研读本地服务器项目报告软件安装总结二级目录三级目录
2021-09-18 22:19:43
7238
原创 2021李宏毅机器学习笔记--23 Theory behind GAN
2021李宏毅机器学习笔记--23 Theory behind GAN摘要一、Maximum Likelihood Estimation(最大似然估计)二、MLE=Minimize KL Divergence（最小KL散度）三、Generator四、Discriminator五、D*和divergence的关系证明六、知识回顾:KL散度、JS散度和交叉熵七、G*的目标八、GD Algorithm for GAN九、In practice(实做中)十、Algorithm for GAN总结摘要本章节主
2021-09-05 03:52:27
385
原创 2021李宏毅机器学习笔记--22 Generative Adversarial Network 01
@[TOC](2021李宏毅机器学习笔记–22 Generative Adversarial Network 01(GAN,生成式对抗网络))摘要GAN是建立于神经网络的基础上的，其核心思想是“生成”与“对抗”，GAN网络结构包含两个模型，一个是生成模型（Generator），另一个是判别模型（Discriminator）。生成模型一般是使用反卷积神经网络或者全连接神经网络，通过输入的数据生成二维图像，而判别模型是一个卷积神经网络二元分类器，它的工作主要是负责判断生成模型所生成的图像是来自数据集的真
2021-08-29 01:02:53
573
原创 2021李宏毅机器学习笔记--21 Anomaly Detection
2021李宏毅机器学习笔记--21 Anomaly Detection（异常侦测）摘要一、问题描述二、Anomaly异常三、Anomaly Detection（异常侦测）做法3.1 Binary Classification?(No！)3.2 Categories (两种情况)四、with label带标签4.1 Example Application4.2 How to estimate Confidence(如何得到信息分数？)4.3 评估4.4 Possible Issues(直接用分类器可能会遇到
2021-08-28 00:23:30
471
原创 2021李宏毅机器学习笔记--20 ELMO、BERT、GPT
2021李宏毅机器学习笔记--20 ELMO、BERT、GPT摘要一级目录一级目录一级目录一级目录一级目录一级目录总结二级目录三级目录摘要一级目录一级目录一级目录一级目录一级目录一级目录总结二级目录三级目录...
2021-08-21 17:12:14
486
原创 2021李宏毅机器学习笔记--19 unsupervised learning--Deep Auto-encoder
2021李宏毅机器学习笔记--19 unsupervised learning--Deep Auto-encoder摘要一、Auto-encoder简介二、与PCA的联系三、Deep Auto-encoder四、应用4.1、Text Retrieval文本检索4.2、Similar Image Search相似图像搜索4.3、Pre-training DNN4.4、CNN as Encoder4.4.1、去池化层(Unpooling)4.4.2、去卷积层(Deconvolution)4.5、 Auto
2021-08-14 23:09:20
325
原创 2021李宏毅机器学习笔记--18Unsupervised Learning -- Neighbor Embedding
2021李宏毅机器学习笔记--18 Unsupervised Learning -- Neighbor Embedding 摘要一、Manifold Learning(流形学习)二、Locally Linear Embedding(LLE,局部线性嵌入)三、Laplacian Eigenmaps(拉普拉斯特征映射)3.1 简介二级目录二级目录四、总结二级目录三级目录摘要wijw_{ij}wijwiw^iwi本节是进行非线性降维的一些算法。包括局部线性嵌入LLE、拉普拉斯特征映射和t分布随
2021-08-07 00:17:24
479
原创 2021李宏毅机器学习笔记--17 transformer
2021李宏毅机器学习笔记--17 transformer摘要一、transformer二、Self-Attention三、Muliti-head self-attention四、Position Encoding五、seq2seq with attention总结摘要Transformer中抛弃了传统的CNN和RNN，整个网络结构完全是由Attention机制组成。更准确地讲，Transformer由且仅由self-Attenion和Feed Forward Neural Network组成。一个基于
2021-07-31 15:08:07
492
原创 2021李宏毅机器学习笔记--16 Recursive Network
2021李宏毅机器学习笔记--16 Recursive Network递归网络摘要一、Application: Sentiment Analysis(应用：情绪分析)二、Recursive Network三、Recursive Network Tensor Network四、Matrix-Vector Recursive Network五、Tree LSTM六、More Application(更多应用：句子关联)总结摘要刚接触RNN的时候根本分不清recursive network和recurrent
2021-07-24 12:33:19
323
原创 2021李宏毅机器学习笔记--15 Pointer Network
2021李宏毅机器学习笔记--15 Pointer Network摘要一、Pointer Network二、Applications-Summarization(应用：文章内容总结)2.1 应用背景2.2 模型结构三、Applications-Machine Translation(应用：机器翻译)四、Applications-Chat-bot(应用：对话)总结摘要传统的 Seq2Seq 模型中 Decoder 输出的目标数量是固定的，例如翻译时 Decoder 预测的目标数量等于字典的大小。这导致 S
2021-07-17 13:09:04
216
原创 2021李宏毅机器学习笔记--14 conditional generation by RNN & attention
2021李宏毅机器学习笔记--14 Conditional Generation by RNN & Attention摘要一、Generation1.1 Generation1.2 Conditional Generation二、Attention2.1 Attention2.2 Dynamic Conditional Generation2.3 Machine Translation2.4 Speech Recognition2.5 Image Caption Generation（图片字幕生成）
2021-07-10 11:58:35
281
原创 2021李宏毅机器学习笔记--13 Network Compression
2021李宏毅机器学习笔记--13 Network Compression摘要一、Network Pruning（修剪）1.1基本思想1.2 why pruning1.3 大乐透假设(Lottery Ticket Hypothesis)1.4 Rethinking the Value of Network Pruning1.5 Practical Issue二、Knowledge Distillation（知识蒸馏）2.1 Student and Teacher2.2 Ensemble（合奏）2.3 Tem
2021-07-03 13:37:43
292
原创 2021李宏毅机器学习笔记--12 attack ML models
2021李宏毅机器学习笔记--12 attack ML models摘要一、图像模型的攻击1.1原理1.2Constraint1.3参数训练1.4一个例子1.5攻击方法1.5.1FGSM(Fast Gradient Sign Method)1.6黑盒攻击1.7拓展研究1.7.1普遍对抗攻击(Universal Adversarial Attack)1.7.2对抗性重新编程(Adversarial Reprogramming)1.8真实世界的攻击二、声音模型的攻击三、defense3.1被动防御3.1.1fe
2021-06-26 11:45:07
296
原创 2021李宏毅机器学习笔记--11 explainable ML
2021李宏毅机器学习笔记--11 explainable ML摘要一、局部可解释性1.1 基本思想1.2 移除组成要素1.3 改变组成要素1.4 局限性1.5 实例（pokemon vs digimon）二、全局可解释性2.1 反向寻找理想输入2.2 输入正则化三、用模型解释模型3.1 使用线性模型3.2 使用决策树总结摘要可解释性分为两种，一种是局部可解释性，一般指的是机器说明如何判断这个样例(例如分类问题中，机器如何将一张猫的图片分成猫)；另一种是全局可解释性，一般指的是机器如何对总体进行特征判断
2021-06-19 20:24:26
362
原创 2021李宏毅机器学习笔记--10 Semi-supervised learning
2021李宏毅机器学习笔记--10 Semi-supervised learning摘要一 、生成模型上的半监督学习二 、Low-density Separation非黑即白2.1 自学习2.2 熵正则化2.3 半监督SVM三 、 Smoothness Assumption平滑假设四 、Better Representation总结摘要半监督学习主要是利用少量的标注样本和大量的未标注样本进行训练和分类，让学习器不依赖外界交互，能自动的利用未标记样本来提升学习性能，并且有助于降低标注代价。半监督学习往往
2021-06-13 00:11:55
393
2
原创 2021李宏毅机器学习笔记--9 Recurrent Neural Network
2021李宏毅机器学习笔记--9 Recurrent Neural Network摘要一、 RNN1.1 Slot Filling1.2 RNN二、 Deep RNN三、 RNN 变型3.1 Elman network3.2 Jordan network3.3 bidirectional RNN四、 LSTM五、 training RNN5.1 BPTT5.2 Training RNN的问题及原因5.3 解决方法5.4 GRU六、 RNN 实际应用6.1 电影评价总结6.2 文章关键词抓取6.3 语音辨识6
2021-06-05 15:12:27
287
原创 2021李宏毅机器学习笔记--8Convolutional Neural Network CNN卷积神经网络
2021李宏毅机器学习笔记--8Convolutional Neural Network CNN卷积神经网络摘要1 CNN可以用于图像处理的原因1.1鉴别时只需要看图像的某一部分1.2相同的部位出现在图像不同的位置无需重复训练1.3二次抽样缩小图像2 CNN的步骤2.1 Convolutional卷积2.1.1 黑白图像2.1.2 彩色图像2.2 Max Pooling最大值池化2.3 Flatten扁平化操作3 结论与展望摘要本文主要针对CNN(Convolutional Neural Network
2021-05-30 01:05:51
307
原创 2021李宏毅机器学习笔记--7.1 backpropagation
2021李宏毅机器学习笔记--7.1 backpropagation1 摘要2 步骤2.1 chain rule链式法则2.2 loss function2.2.1 forward pass2.2.2 backward passcase1 未知的两项在输出层case2 未知的两项并不在输出层3 小结及展望1 摘要上文讲到可以用Backpropagation的方法对网络中的所有参数（ w 和 b）进行更新，最终使total loss达到最低值，本文将介绍具体的步骤。2 步骤选定一组初始的参
2021-05-23 00:16:59
191
原创 2021李宏毅机器学习笔记--7 deep learning深度学习 与 fully connect feedforward network全连接前馈网络
2021李宏毅机器学习笔记--7 deep learning深度学习 与 fully connect feedforward network全连接前馈网络摘要步骤step1 Neural networkFully Connect Feedforward Network全连接前馈网络step2 goodness of a functionstep3 Backpropagation小结与展望摘要近些年来。在各个领域，用到深度学习的地方越来越多，从深度学习提出之初经历过几次起起伏伏才到今天。本文主要介绍深
2021-05-22 21:38:39
1006
原创 2021李宏毅机器学习笔记--6 logistic regression逻辑回归（一种分类方法）
2021李宏毅机器学习笔记--6 logistic regression逻辑回归（一种分类方法）摘要步骤step1 Function Setstep2 Goodness of a Functionstep3 Find the best function小结及展望摘要logistic regression 逻辑回归虽然他的名字中带有“回归”，但是实际上它是一种分类方法，与之前学习的线性回归是不同的。步骤step1 Function Set求和所有的参数w和x的乘积，加上b就是z的值，然后sigm
2021-05-15 21:35:23
232
原创 2021李宏毅机器学习笔记--5 classification分类
2021李宏毅机器学习笔记--5 classification分类1 摘要2 分类步骤2.1 model（function）2.2 loss2.3 best3 小结与展望1 摘要本文主要介绍classification分类，分类是指这样一个函数，输入一个对象x，经过函数之后的输出是这个对象属于哪个类别，比如医疗诊断，把一个病人的年纪性别症状等进行输入，它的输出是具体的哪一种病，比如信用卡借贷系统，把一个人的年纪，收入，职业等输入，输出是=的是系统判定的能否借钱。值得注意的是，在分类函式中，类别是事先已
2021-05-09 00:06:55
407
原创 2021李宏毅机器学习笔记--4 五种gradient descent梯度下降算法简介
2021李宏毅机器学习笔记--4 五种gradient descent梯度下降算法简介1 摘要2 五种梯度下降算法2.1 SGD2.2 SGD with momentum2.3 adagrad2.4 RMSprop2.5 Adam3 总结及展望1 摘要本文主要介绍了多种梯度下降算法，梯度算法主要是用于帮助找到最好的函式，也就是loss损失最小的函式，以便于我们训练出最好的模型，不同的梯度下降算法有其自己的特点，本文主要介绍五种梯度下降算法。2 五种梯度下降算法2.1 SGDSGD是stochas
2021-05-02 00:14:23
313
原创 2021李宏毅机器学习笔记--3.1tensorflow安装 与 gradient descent梯度下降练习
2021李宏毅机器学习笔记--3.1tensorflow安装 gradient descent梯度下降练习摘要1 tensorflow安装1.1 环境要求1.2 搭建开发环境2 用tensorflow进行gradient descent梯度下降练习2.1 源代码2.2 实验数据2.3 运行结果3 结果以及展望摘要本文主要介绍win7及以上版本的tensorflow安装的环境要求以及如何搭建环境进行安装，然后进行基础的梯度下降练习，梯度下降是机器学习课程中最基础的算法，用代码解释原理比较易懂。1
2021-04-27 22:58:23
395
1
原创 2021李宏毅机器学习笔记--3.gradient descent梯度下降
2021李宏毅机器学习笔记--3.gradient descent梯度下降梯度下降基本步骤step 1：设定初始值step 2：计算微分step 3：移动到下一步梯度下降的注意事项tip 1：turning your learning rates ηAdagrad一种梯度下降的优化算法tip 2：stochastic gradient descent随机梯度下降tip 3：feature scaling特征缩放梯度下降的限制梯度下降基本步骤梯度下降法是用于帮助我们找到一个函数集中最好的函式，也就是损失函
2021-04-19 00:17:40
199
原创 2021李宏毅机器学习笔记--2.Regression回归
2021李宏毅机器学习笔记--2.Regression回归regression的作用实例--预测神奇宝贝进化后的战斗值step 1：modelstep 2：goodness of functionstep 3：best functionmodel的选择model复杂程度不同不同类别有不同的modelregression的作用当我们期望从函数的输出中得到一个数值时，使用regression回归。比如股票市场预测系统，输入的是过去十几年各个公司股票的变化，函数的作用是输出明天的道琼斯工业指数的点数。比
2021-04-18 10:19:54
179
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