人工智能
烟火笑风尘
众生皆苦
展开
-
pip离线安装包
pip离线安装包原创 2022-06-20 22:46:05 · 523 阅读 · 1 评论 -
离线安装opencv
离线安装opencv原创 2022-06-17 09:53:39 · 2123 阅读 · 0 评论 -
膨胀卷积
1.膨胀卷积是对卷积核进行0填充。2.膨胀后的卷积核的大小: (1)设原始卷积核的大小是3*3 (2)设膨胀率为2 (3)则膨胀后的卷积核的大小为:dilation_rate*(kernel_size - 1)+1 结果就是 2*(3-1)+1=5,膨胀后的卷积核大小是5*53.默认的dilation_rate=1....原创 2019-02-16 21:38:31 · 10796 阅读 · 2 评论 -
Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks
理解论文 Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks 一、摘要1.提出了一种级联的全卷积神经网络来分割多模态 脑肿瘤 MRI,分割的脑肿瘤是:whole tumor, tumor core and enhancing tumor core。2...原创 2019-02-15 22:10:51 · 1677 阅读 · 5 评论 -
Brain tumor segmentation with Deep Neural Networks
理解 Brain tumor segmentation with Deep Neural Networks。 一、摘要1. 基于DNNs提出了一种 fully automatic brain tumor segmentation 方法。2. 提出的方法适用于MRI中的胶质瘤。3. 提出的CNN方法探索局部特征的时候同时探索更多的全局上下文特征。4. 网络用卷积实...原创 2019-02-15 16:55:12 · 1891 阅读 · 2 评论 -
Automatic skin lesion segmentation with fully convolutional-deconvolutional networks
理解 Automatic skin lesion segmentation with fully convolutional-deconvolutional networks 1. ISIC 2017: Skin Lesion Analysis Towards Melanoma Detection, Part 1: Lesion Segmentation.的一种解决方案的陈述。2....原创 2019-02-15 11:03:57 · 491 阅读 · 1 评论 -
Lung Cancer Tumor Region Segmentation Using Recurrent 3D-DenseUNet
理解论文 Lung Cancer Tumor Region Segmentation Using Recurrent 3D-DenseUNet一、摘要1.提出了一种数据驱动方法用于肺肿瘤分割通过使用Recurrent 3D-DenseUNet。2.使用大小为 256*256*8 的image-volumes with tumors 来训练网络。3.还使用了数据驱动的自适应加权...原创 2019-02-14 20:11:15 · 673 阅读 · 0 评论 -
keras进行图像预处理
转载自:图像预处理、增强 图片预处理图片生成器ImageDataGeneratorkeras.preprocessing.image.ImageDataGenerator(featurewise_center=False, samplewise_center=False, featurewise_std_normalization=False, sampl...转载 2019-01-25 13:57:36 · 4289 阅读 · 1 评论 -
keras中的Deconv3D
1.首先计算出output的shape,2.利用tensorflow后端的conv3d_transpose()函数进行计算,原创 2019-02-17 00:11:40 · 1865 阅读 · 0 评论 -
Automatic Brain Tumor Detection and Segmentation Using U-Net Based Fully Convolutional Networks
理解 Automatic Brain Tumor Detection and Segmentation Using U-Net Based Fully Convolutional Networks 一、摘要1.提出了基于U-Net的卷积网络。2.在BRaTS2015上实验。二、Introduction1.基于U-Net提出了2D全卷积网络。2.使用dice loss ...原创 2019-02-18 16:58:29 · 1154 阅读 · 2 评论 -
H-DenseUNet: Hybrid Densely Connected UNet for Liver and Tumor Segmentation from CT Volumes
理解论文:H-DenseUNet: Hybrid Densely Connected UNet for Liver and Tumor Segmentation from CT Volumes.一、综述1.提出了混合密集连接unet(H-DenseUNet)。2.端到端训练方式。3.层间表现力和层内特征通过一个混合特征融合层 联合优化。二、两个技术成果1...翻译 2019-02-14 10:28:19 · 1148 阅读 · 1 评论 -
Neural Network-Based Automatic Liver Tumor Segmentation With Random Forest-Based Candidate Filtering
理解 Neural Network-Based Automatic Liver Tumor Segmentation With Random Forest-Based Candidate Filtering 一、摘要1.基于2D UNet和随机森林提出了一种fully automatic 方法用于肝脏病灶分割。2.为了约束肿瘤所处位置的感兴趣区域,首先分割肝脏。3....翻译 2019-02-14 13:36:56 · 265 阅读 · 0 评论 -
图像处理用到concatenate操作时,size不匹配
图像处理用到concatenate操作时,size不匹配,像在unet的skip connection中,1.第一种方式,使用padding 0填充。2.如果不使用padding填充,很多情况是由于图像尺寸上采样、下采样之后尺寸不匹配,是有奇数、偶数造成的。避免这种情况的做法是:假设下采样次数是4次,那么将输入图像size设置为2^(4+1)=32的倍数,这样就不会出现奇数、偶数不一致的情...原创 2019-04-06 10:36:08 · 2609 阅读 · 1 评论 -
深度学习程序终止,nvidia显卡仍然被占用问题
1.查看占用显卡的进程,接着运行程序的时候,会提示显卡内存不足。fuser -v /dev/nvidia*2.使用kill pid,终止占用nvidia显卡的进程即可。kill pid原创 2019-04-10 17:19:05 · 4779 阅读 · 0 评论 -
pytorchCNN网络权重
ssh://user2@219.216.65.100:6002/home/user2/anaconda3/envs/chenyafang/bin/python -u /home/user2/yd/lungcancer_0521/DSB2017-master/add_by_yd/test_net_structure.pypreBlock.0.weightpreBlock.0.biaspreB...原创 2019-05-29 20:33:07 · 1254 阅读 · 0 评论 -
Attention U-Net: Learning Where to Look for the Pancreas
Abstract我们提出了一种用于医学成像的新型注意门(AG)模型,该模型自动学习聚焦于不同形状和大小的目标结构。用AG训练的模型隐含地学习抑制输入图像中的不相关区域,同时突出显示对特定任务有用的显着特征。这使我们能够消除使用级联卷积神经网络(CNN)的显式外部组织/器官定位模块的必要性。 AG可以很容易地集成到标准CNN架构中,例如U-Net模型,具有最小的计算开销,同时提高模型灵敏度和预测...翻译 2019-01-01 10:52:55 · 10295 阅读 · 1 评论 -
Learn To Pay Attention
翻译:LEARN TO PAY ATTENTION 摘要我们提出了一种用于图像分类的卷积神经网络(CNN)架构的端到端可训练注意力模块。该模块将2D特征矢量图作为输入,其形成CNN流水线中不同阶段的输入图像的中间表示,并输出每个特征图的2D得分矩阵。通过结合该模块来修改标准CNN架构,并且在约束下训练中间2D特征向量的凸组合(由得分矩阵参数化)必须单独用于分类。激励激励相关并抑制不相关...翻译 2018-12-30 09:56:16 · 2331 阅读 · 1 评论 -
Left Ventricle Segmentation in Cardiac MR Images Using Fully Convolutional Network.
Abstract:医学图像分析,尤其是特定器官的分割,在发展临床决定支持系统中起着重要的作用。在心脏MRI中,分割左右心室帮助内科医生诊断不同的心脏疾病。针对这个任务有一些挑战,包括左心室和其他器官之间的亮度和形状的相似性,在多数图片中不准确的边界和噪声的形状。在本文中,我们提出了一种自动方法用于在心脏MRI中分割左心室。我们首先自动提取ROI,然后使用它作为FCN的输入。我们准确地训练了网络...翻译 2018-08-13 11:04:50 · 526 阅读 · 0 评论 -
A Deep Learning Network for Right Ventricle Segmentation in Short-Axis MRI
AbstractMRI上右心室(RV)心肌的分割是评估RV结构和功能的先决条件,对于肺动脉高压,先天性心脏病,冠心病等大多数心脏疾病和发育不良的诊断具有重要意义。 然而,RV分割被认为具有挑战性,主要是因为跨越切片和阶段的RV的复杂新月形状。因此,本研究旨在提出一种基于深度学习分割RV心内膜和心外膜的新方法。提出的方法具有两个子任务:(1)定位ROI,双心室区域包含更有意义的特征并且可以促进R...翻译 2018-08-14 11:11:11 · 298 阅读 · 0 评论 -
Automated Left Ventricle Segmentation in Cardiac MRIs using Convolutional Neural Networks
Abstract我们训练卷积神经网络对心脏MRI图像进行语义分割以识别左心室并利用它来计算心跳过程中心室的体积。为了帮助泛化和防止过拟合,我们提出了一系列以图像滤波器应用为中心的预处理和数据增强步骤。...翻译 2018-08-14 14:16:21 · 168 阅读 · 0 评论 -
Automatic Localization of the Left Ventricle in Cardiac MRI Images Using Deep Learning
Abstract在CMRI图像中自动定位LV是一项基本的步骤对于自动分割,功能分析,和基于内容的心脏图像检索来说。在本文中,我们介绍了一种基于深度卷积神经网络(CNN)的新方法,用于在短轴视图中定位心脏MRI中的LV。采用具有不同内核尺寸的六层CNN进行特征提取,然后使用Softmax完全连接层进行分类。引入尺度分析金字塔以考虑心脏的不同尺寸。一个公开可获得的包含33个病人的数据集被用于学习和...翻译 2018-08-14 19:34:20 · 222 阅读 · 1 评论 -
A Fully Convolutional Neural Network for Cardiac Segmentation in Short-Axis MRI
Abstract:磁共振成像数据集的自动心脏分割是及时诊断和管理心脏病变的重要步骤。我们建议通过应用deepFCN架构来解决自动左心室和右心室分割的问题。我们的模型在整个图像输入和ground-truth的单一学习阶段进行端到端的高效训练,以便在每个像素处进行推理。据我们所知,这是完全卷积神经网络结构的第一个应用,用于CMRI中的像素标记。此外,我们的模型速度快,可以利用商品计算资源(如GPU)实...翻译 2018-08-15 09:27:38 · 963 阅读 · 2 评论 -
关于upsampling:“Unpooling”
转载 2018-08-26 18:49:01 · 655 阅读 · 0 评论 -
深度学习中不同类型的卷积的介绍
#翻译自https://towardsdatascience.com/types-of-convolutions-in-deep-learning-717013397f4d#Convolutions包含Kernel size,Stride,PaddingDialated Convolutions膨胀卷积给卷积层引入了另外一个参数命名为膨胀率(dilation rate)。这个参数定...翻译 2018-08-26 20:21:05 · 1532 阅读 · 0 评论 -
SegNet: A Deep Convolutional Encoder-Decoder Architecture for Image Segmentation
摘要——我们提出了一种新颖实用的深度完全卷积神经网络体系结构,用于语义像素分割,称为SegNet。该核心可训练分段引擎包括编码器网络,相应的解码器网络,后面是像素分类层。编码器网络的体系结构在拓扑上与VGG16网络中的13个卷积层相同[1]。解码器网络的作用是将低分辨率编码器特征映射映射到用于像素分类的全输入分辨率特征映射。 SegNet的新颖之处在于解码器对其较低分辨率输入特征图进行上采样的方式...翻译 2018-08-29 10:35:35 · 358 阅读 · 0 评论 -
MULTI-SCALE CONTEXT AGGREGATION BY DILATED CONVOLUTIONS
摘要用于语义分割的最先进模型基于最初为图像分类而设计的卷积网络的适应性。 然而,诸如语义分割的密集预测问题在结构上与图像分类不同。 在这项工作中,我们开发了一个新的卷积网络模块,专门用于密集预测。 所提出的模块使用扩散卷积来系统地聚合多尺度上下文信息而不会丢失分辨率。 该架构基于以下事实:扩张的卷积支持感受野的指数扩展而不损失分辨率或覆盖范围。 我们表明,所呈现的上下文模块提高了最先进的语义分...翻译 2018-08-29 15:03:17 · 373 阅读 · 0 评论 -
rpn代码笔记——1
1.generate_anchors.py产生不同长宽比的anchor windows,通过generate_anchors()函数。base_anchor=(0,0,15,15),scales=(8,16,32)。----------------------------------------------------------------------------------------...原创 2018-08-29 16:54:11 · 657 阅读 · 0 评论 -
rpn笔记——1
3.1 Region Proposal NetWorksrpn网络获取任意大小的图像作为输入,输出一系列矩形目标建议框,每个建议框都附带目标得分(这儿的目标得分只是判断建议框属于object还是background)。通过一个FCN来处理这个过程。rpn网络与之后的Fast R-CNN共享了一部分卷积层,在文章实验中,ZF-Net使用了5层共享卷积层,VGG-16使用了13层共享卷积层。为...原创 2018-08-30 22:21:18 · 653 阅读 · 0 评论 -
Ubuntu由于安装NVIDIA显卡驱动导致登录界面重启
Ubuntu16.04 安装NVIDIA显卡驱动时,由于OpenGL选项未设置,导致NVIDIA显卡驱动安装之后出现登录界面一直重启的状况。查看了,#https://blog.csdn.net/ssmixi/article/details/73483795#的博客之后解决。以下该博客中的解决办法:切换到文本输入模式:Ctrl+Alt+F1 卸载以前驱动 sudo apt-get rem...转载 2018-09-01 13:27:50 · 2519 阅读 · 0 评论 -
Have Fun with Machine Learning: A Guide for Beginners
翻译自#https://github.com/humphd/have-fun-with-machine-learning#前言综述启动并使用现有的,开源的机器学习技术,特别是Caffe和DIGITS。 创建一个图片数据集 训练一个神经网络 在未使用过的图片中测试我们的神经网络 通过微调现有的神经网络来(AlexNet和GoogLeNet)提高我们神经网络精确度 发布和使用我们...翻译 2018-09-01 13:28:14 · 258 阅读 · 0 评论 -
ImageNet Classification with Deep Convolutional Neural Networks
Abstract我们训练了一个大型的深度卷积神经网络,将ImageNet LSVRC-2010比赛中的120万个高分辨率图像分类为1000个不同的类别。在测试数据上,我们实现了前三和前五的错误率分别为37.5%和17.0%,这比以前的最新技术水平要好得多。具有6000万个参...翻译 2018-09-02 22:08:07 · 800 阅读 · 0 评论 -
numpy中不同形状的数组之间执行算术运算的方式
广播是指不同形状的输足之间执行算数运算额方式。当两个数组的shape不一致时,numpy会实行广播机制。许遵循4哥原则:(1)让所有的输入数组向其中shape最长的数组看齐,shape中不足的部分通过在前面加1补齐。(2)输出数组的shape是输入数组shape的各个轴上的最大值。(3)如果输入数组的某个轴和输出数组的对应轴的长度相同或者其长度为1,则这个数组能够用来计算,否则出错。...转载 2018-08-09 15:12:03 · 5733 阅读 · 0 评论