- 博客(30)
- 收藏
- 关注
RSS订阅原创 关于keras 二分类情况下sigmoid与softmax激活函数以及binary_crossentropy与categorical_crossentropy损失函数的总结
最近在研究focal_loss时发现各种交叉熵损失函数写的形式都不一样，总结一下，以防以后使用．首先sigmoid与softmax激活函数联系与区别：sigmoid激活函数：p(x)=11+exp(x) = \frac{1}{1+e^x}p(x)=1+ex1softmax激活函数：p(xi)=exi∑j=1nexjp(x_i) =\frac{e^{x_i}}{\sum_{j=1}...
2020-01-03 23:11:47
5410
1
原创 Accurate and robust deep learning-bast segmentation MICCAI 2019最佳论文笔记
论文标题Accurate and robust deep learning-based segmentation of the prostate clinical target volume in ultrasound images这是2019 MICCAI最佳论文因为是关于超声的文章，而我自己也是做超声图像的，认真读了下从中汲取灵感。1。文章目的：文章主要目的是解决超声前列腺体积分割过程...
2019-12-17 01:37:33
468
原创 THIS DATASET DOES NOT EXIST: TRAINING MODELS FROM GENERATED IMAGES论文笔记
文章概要：问题：在以往文章的实验中，单独利用生成样本训练模型性能相较于真实样本训练得到的模型性能下降很大，即使是biggan这样逼真的生成图像用来训练模型性能仍然下降很多。论文作者推测可能原因是：生成模型样本的多样性与真实样本相比较少。方法：文章中生成器是训练好的Biggan网络。网络结构图：文章提出了单纯利用生成数据训练网络的三种策略来解决生成样本训练模型性能差的问题：1使用困难...
2019-11-13 00:19:27
404
原创 Delong test
最近需要做AUC的显著性检验，delong test是比较常见的AUC显著性检验的方法。我大体研究了一下。原理：1.以两个不同的模型对肿瘤良恶性进行分类，其中vgg的AUC为A1A_1A1,svm结果得到的AUC为A2A_2A2，delong test就是首先计算两者AUC差值θ=A1−A2\theta = A_1-A_2θ=A1−A22.然后根据计算出A1A_1A1和A2A_2...
2019-11-02 00:55:06
24030
31
原创 超声成像过程
超声成像过程1，超声RF信号即为超声射频信号，是超声回波经过数模变换后得到的数据。2，射频信号形成一幅超声图像经过的流程为：1，信号处理模块1.1 滤波处理目的：为排除噪声干扰在基波成像模式下（其中基波成像为接收与发射频率相同的回波信号进行成像），滤波器中心频率为探头的发射频率。在谐波成像模式下（其中是使用回波的二次高等次谐波成像），谐波模式下滤波器的中心频率为探头发射频率的两倍。...
2019-10-30 00:20:15
10119
4
原创 甲状腺rf分类项目的一些心得记录
1.使用easy ensemble解决样本不平衡的问题效果很好2.传统数据扩增效果也不错3。数据预处理非常重要。对于脑袋类型的信号可以使用EEG网络进行处理尝试了一下snapshot ensemble效果很不好，可能是因为我们的数据集数量太少了数据扩增的一些想法mixup方法可以接下来使用一下，感觉效果GAN数据扩增试一下...
2019-09-08 21:57:20
453
原创 kaggle学习
http://blog.kaggle.com/2017/10/17/planet-understanding-the-amazon-from-space-1st-place-winners-interview/
2019-09-06 10:57:50
158
原创 计算机视觉处理解决方案
kaggle竞赛解决问题github多看kaggle竞赛报告学习可以学到很多处理问题的小技巧第一步：处理分析数据第二步：选择基准模型第三步：数据预处理例如（1.处理样本不平均问题，例如＇SMOTE＇，＇ADASYN＇，＇easy emsenble＇2.进行数据扩展）第四步：进一步提升结果(如学习率的选择，损失函数的选择模型集成（如snapshot ensembling）使用不同...
2019-08-24 22:28:55
464
原创 python将列表中的元素作为参数传入函数中
只需要就加个在列表前加个*完美解决例如def my_func(a,b,c) passmy_list = [1,2,3]my_func(*my_list)就解决了问题
2019-08-18 17:44:50
10463
3
原创 SAGAN阅读
问题文章作者提出传统GAN网络往往可以生成逼真的纹理特征但在生成几何结构特征时如狗的爪子时往往效果不佳。原因作者介绍问题的原因是因为卷积神经网络中卷积核大小固定，只能对局部特征进行提取，而一些与全局具有依赖关系的几何特征提取不到，如果通过多个卷积层来增大感受野的话，会增加模型的深度，较浅的模型不能做到，而且优化器需要寻找不同层参数之间的协同关系，增加了训练难度，另一种方法是通过加大卷积核的尺...
2019-08-16 23:17:14
345
原创 PCA主成分分析
PCA共有两个优化目标，1，不同特征间协方差最小使得不同特征尽量不相关，，2使得方差最大：降维后同类特征更加离散，而数据协方差矩阵中对角线元素代表同种特征之间的方差，除对角线元素外，其他元素代表不同元素之间的协方差。...
2019-04-30 21:02:02
168
原创 频率学派和贝叶斯学派的区别
假设类条件概率符合某种确定的概率分布形式在估计参数时频率学派认为：参数虽然未知，但具有客观存在的固定值贝叶斯学派认为的：参数计算是未观察到的随机变量，其本身也可有分布。可假设参数服从一个先验分布，然后根据观察到的数据来计算参数的后验分布。先验概率：由因推果后验概率：由果推因周志华 机器学习 p149...
2019-04-23 19:58:43
695
原创 python小波变换时频分析
小波变换介绍：python 小波变换示例代码https://zhuanlan.zhihu.com/p/28208640import numpy as npimport matplotlib.pyplot as pltimport pywtsampling_rate = 1024#采样频率t = np.arange(0,1.0,1.0/sampling_rate)f1 = 100#...
2019-04-22 19:34:31
13344
4
原创 python numpy和matplot随笔
np.piecewise函数numpy.piecewise(x, condlist, funclist, *args, **kw)参数一 x:表示要进行操作的对象参数二：condlist，表示要满足的条件列表，可以是多个条件构成的列表参数三：funclist，执行的操作列表，参数二与参数三是对应的，当参数二为true的时候，则执行相对应的操作函数。返回值：返回一个array对象，和原始操...
2019-04-20 15:28:24
178
原创 tenosoflow和keras交叉熵损失函数比较
tensorflow 交叉熵损失函数二分类：tf.train.sigmoiad_cross_entropy()多分类互斥损失函数：tf.train.softmax_cross_entropy()在tf.train.softmax_cross_entropy()中标签和网络输出都应该是onehot编码。在tensorflow中网络输出不需要加入激活函数，因为在损失函数当中已经包含了sig...
2019-03-27 23:07:30
2304
原创 tensorlowBN用法细节
当我们在网络中使用BN是，在训练和测试时归一化时使用的均值和方差不同的：训练时：是在每个batch中计算均值和方差，而测试时是使用训练时得到的每个batch的均值和方差的平均值。即：在tensorflow中加入BN时需要训练时将BN层中的is_training 设置为Ture测试时将BN层中的is_training 设置为Flase update_ops = tf.get_coll...
2019-03-24 15:53:49
199
原创 linux指令
硬盘挂在查看分区指令：sudo fdisk -l查看 UUID号 sudo blkid挂载命令 mount 硬盘路径 挂载路径查看文件路径对应挂载点 df -h （可以查看是否挂载好）/etc/fstab 文件负责配置Linux开机时自动挂载的分区...
2019-02-27 10:31:30
96
原创 tensorflow1.9 eager问题
tensorflow1.9 .在eager模式下，我用model.get_weight查看参数时发现，tf.train.checkpoint 无法保存模型参数tf.kerasConvLSTM2D层。每次加载预先训练好的模型时convlstm层的参数都不同，而卷积层却能正常加载。2 在网络层中使用maxpooling3d 后 ，模型梯度不能计算。感觉eager还没完善，等2.0之后再使用吧...
2019-02-23 17:02:46
242
翻译 INSTAGAN论文笔记
论文链接：https://arxiv.org/pdf/1812.10889.pdfICLR 链接：https://openreview.net/forum?id=ryxwJhC9YX文章介绍了一种利用实例分割标签和原图作为输入，在保证背景不变的前提下对实例进行转换的图像翻译方法。主要内容：1.网络结构：生成器网，鉴别器网络结构与cyclegan相似，将多个不同的实例分割标签图一起conc...
2019-01-09 23:13:14
2089
原创 迁移学习综述：A Survey on Transfer Learning
https://blog.csdn.net/XYlittlework/article/details/79095394
2018-12-12 15:03:52
1978
原创 顶级深度学习论文
ICLR 2019 biggan计算机视觉顶会 CVPR ICCV ECCV医学图像顶级会议 MICCAIAAAI、ACL NIPSCVPR 2019 截止日期2018年 11月16日AAAI 2019 将于2019年1.27-2.1在美国夏威夷召开，摘要截止日期为：2018.9.1...
2018-12-05 16:43:14
1586
转载 多任务学习
多任务学习转载深度神经网络的多任务学习概览(An Overview of Multi-task Learning in Deep Neural Networks
2018-11-14 14:43:17
105
原创 论文X-gan:Unsupervised Image-to-Image Translation for Many-to-Many Mappings
风格迁移网络 Xgan之前在利用cyclegan做数据集的风格迁移，最近读了下Xgan的论文，相较于cyclegan，xgan的创新点主要使用了语义一致损失函数（semantic -consistency loss）代替了cyclegan的逐像素点计算的循环一致损失函数（cycle-consistency loss），保留语义特征级别信息而不是像素级别内容。...
2018-11-13 17:04:01
868
转载 tensorflow slim教程
转载https://blog.csdn.net/u014061630/article/details/80632736#1_Slim__a_classheaderlink_hrefml_titlePermalink_to_this_headlinea_12
2018-10-31 15:58:32
649
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