- 博客(72)
- 资源 (3)
- 收藏
- 关注
RSS订阅原创 clip RN50, RN50-quickgelu, RN101,RN50x4, RN50x16,RN50x64,ViT-B-32等模型权重下载链接
【代码】clip RN50, RN50-quickgelu, RN101,RN50x4, RN50x16,RN50x64,ViT-B-32等模型权重下载链接。
2023-12-08 10:47:17
1035
原创 Hint: enable anomaly detection to find the operation that failed to compute its gradient, with torch
bug
2023-02-16 16:45:14
589
原创 RuntimeError: one of the variables needed for gradient computation has been modified by an inplace o
Bug:RuntimeError: one of the variables needed for gradient computation has been modified by an inplace operation: [torch.cuda.LongTensor [4, 512, 512]] is at version 1; expected version 0 instead. Hint: the backtrace further above shows the operation th.
2022-03-18 08:29:11
3602
原创 基于混淆矩阵的多类IoU计算方式理解
1. IoU计算方式说明的相关文章：[1] https://blog.csdn.net/qq_21368481/article/details/80424754[2] https://www.daimajiaoliu.com/daima/479a7286b90041c2. 自己实现混淆矩阵import numpy as npgt = np.array([[0,1,0],[2,1,0],[2,2,1]])pd = np.array([[0,2,0],[2,1,0],[1,2
2021-11-24 13:35:40
2121
原创 如何将标签转为one-hot形式
假设存在如下标签矩阵，包含4个类，0，1，2，3。label 的维度为3行 5列。>>> label = torch.randint(1,4,(3,5))>>> labeltensor([[2, 2, 1, 3, 1], [1, 2, 1, 1, 1], [1, 3, 3, 1, 3]])>>> （1）扩展label维度，因为label含有4个类的标签，因此扩展label的维度 至 3x 5 x 4，即三个
2021-08-19 22:00:46
1172
原创 torch.nn.CrossEntropy() 计算方式
torch.nn.CrossEntropy() 主要由torch.nn.LogSoftmax 与torch.nn.NLLLoss 两个计算方式组成。（1）torch.nn.LogSoftmax 是由Softmax() 与对数计算得到。（2）torch.nn.NLLLoss 利用标签target，提取torch.nn.LogSoftmax输出结果中对应特征维度的数值，再取绝对值，然后再所有样本上计算均值得到torch.nn.CrossEntropy() 计算结果。假设输入数据input的维度.
2021-08-15 17:10:28
596
原创 2018 ECCV Deforming Autoencoders: UnsupervisedDisentangling of Shape and Appearance
作者美国纽约州立大学石溪分校 Zhixin ShuPaper:https://openaccess.thecvf.com/content_ECCV_2018/papers/Zhixin_Shu_Deforming_Autoencoders_Unsupervised_ECCV_2018_paper.pdfCode:https://github.com/zhixinshu/DeformingAutoencoders-pytorch关键词：Unsupervised groupwise image ..
2021-08-06 09:47:46
124
原创 HMM 隐马尔可夫模型
隐马尔可夫模型是结构最简单的动态贝叶斯网，是一种有向图模型，主要用于时序数据建模。隐马尔可夫模型中变量可以分为两组。第一组谁状态变量，
2021-06-07 21:33:44
180
原创 2020 MICCAI Shape-aware Meta-learning for Generalizing Prostate MRI Segmentation to Unseen Domains
Shape-aware Meta-learning : 形状感知元学习Generalizing Prostate MRI Segmentation to Unseen Domains : fan
2021-06-05 16:43:38
1281
转载 图机器学习中传统方法 - 结点特征 - 集聚系数
集聚系数（clustering coefficient）用来描述一个图中的顶点之间结集成团的程度的系数。具体来说，是一个点的邻接节点之间相互连接的程度。集聚系数分为整体，局部两种。整体集聚系数可以给出一个图中整体的集聚程度的评估，而局部集聚系数则可以测量图中的每个结点附近的集聚程度。整体集聚系数：定义在闭点三点组之上。假设图中有一部分点是两两相连的，那么可以找出很多个“三角形”，其对应的三点两两相连，成为闭三点组。除此之外，还有开三点组，也就是三个点中只有两条边（三角形缺少一条边）。这两种三点组构成
2021-05-04 09:52:19
3018
原创 CT床架移除，人体组织区域提取
1. 流程示意图1.1 将 所有大于0 的像素值，标记为11.2 计算连通分量，移除CT床架import matplotlib.pyplot as pltfrom PIL import Imageimport numpy as npimg = Image.open("/Applications/Research/Experiments/SynSegExperiment/Model_Results/Plot/unet_feature_visualize/00051.png")#
2021-05-02 14:03:58
849
原创 LRU 缓存机制
基于双向链表 哈希表实现哈希表的作用：如果没有哈希表，如果我们想访问双向链表中的节点，则需要一个个的访问，时间复杂度O(n)，如果使用哈希表，则时间复杂度O(1)。
2021-03-28 20:28:38
58
转载 Matlab 对同一个图像 使用子图从不同的视角展示
f = figure('Units','normalized','OuterPosition',[0 .5 1 .5]);ax1 = subplot(1,3,1);ax2 = subplot(1,3,2);ax3 = subplot(1,3,3);%% Plot some surfaces on 1st subplot[X,Y,Z] = peaks;s = surf(ax1,X,Y,Z); hold(ax1,'on');p = surf(ax1,X,Y,zeros(size(X))); ho.
2021-03-12 10:29:01
790
原创 BUG: RuntimeError: Error(s) in loading state_dict for ResnetGenerator:Missing key(s) in state_dict
BUG:RuntimeError: Error(s) in loading state_dict for ResnetGenerator: Missing key(s) in state_dict: "model.9.conv_block.3.weight", "model.9.conv_block.3.bias", "model.10.conv_block.3.weight", "model.10.conv_block.3.bias", "model.11.conv_block.3.weight"
2021-03-08 00:28:10
2360
3
原创 毕业设计 论文格式修改 word 相关操作
删除目录、摘要的页眉页脚https://zhidao.baidu.com/question/585080027.html
2021-03-03 09:49:18
244
原创 SimpleITK 中连通分量大小计算 GetPhysicalSize
利用全卷积神经网络解决医学图像分割问题，使用移除最小连通分量后处理分割结果。假设只做2分类：每个连通分量的大小计算方式：统计每个连通区域，首先从分割结果中统计连通区域，为每个连通区域设置不同的标签。每个连通区域的物理大小计算：》统计该区域中前景像素点的数量，假设为N.》计算CT的x,y,z三个方向的体素间距参数乘积，结果为M.》则当前连通区域的物理大小为：N/M....
2021-01-27 20:05:23
445
1
原创 2017_WorkshopSSMI_Adversarial Image Synthesis for Unpaired Multi-modal Cardiac Data
作者利用CycleGAN 从心脏CT图像合成心脏MR图像，使用合成图像以及几何扩充技巧改善分割模型的准确率16%。作者为什么采用上述结构，因为作者发现合成图像的心肌位置与输入图像不一样，为了缓解这个问题，作者将心肌的mask和图像进行concate，然后输入到CycleGAN中进行训练，这样CycleGAN能够学习变换CT以及对应的心肌分割mask到MR图像以及对应的分割mask。作者又解释到这并没有阻止转换过程中的解剖学变化，但意味着我们仍然拥有合成图像的精确（合成）标签。...
2020-11-30 13:20:36
207
原创 2017_ICCV_Arbitrary Style Transfer in Real-time with Adaptive Instance Normalization
（1）作者采用一个简单的编码器，解码器结构。其中编码器采用预训练VGG-19的前几个层。在特征空间对内容图像(content image)和风格图像（style image）进行编码后，将两个特征图输入到AdaIN模块，实现内容特征图和风格特征图的均值，方差的对齐，AdaIN输出目标特征图。表示编码器，分别表示输入到编码器的内容图像，风格图像，表示AdaIN模块的输出（目标特征图）。公式9中的AdaIN模块的公式如公式8所示。AdaIN与BN, IN, CIN不同在于，AdaIN没有可学..
2020-11-25 14:09:29
254
原创 2019-CVPR-Geometry-Consistent Generative Adversarial Networks for One-Sided Unsupervised Domain Mapp
作者怎么评估翻译图像的质量？对于图像标签图翻译到图像的过程，作者认为高质量的翻译图像应该产生定性的分割结果，就像真实图像的分割结果一样。因此作者使用pixel accuracy, class accuracy, mean IOU 评估翻译图像的分割结果，使用pix2pix 提供的预训练模型FCN-8s分割合成图像。...
2020-11-24 21:09:58
782
原创 2015_ICML_Learning Transferable Features with Deep Adaptation Networks
2015_ICML_Learning Transferable Features with Deep Adaptation Networks因为深层特征会沿着网络从一般会沿着网络从一般过度到具体。（1）卷积层1到3层提取到的特征是通用的，因此这些层被固定。（2）卷积层4-5提取到特征可迁移性差，因此这些层可以通过精调来学习。（3）全链接层fc6-fc9 为具体的任务定制的，因此它们不可以迁移，应该通过MK-MMD进行适应。该网络结构是以AlexNet 为基础，进行扩展。作者所提出
2020-11-13 09:08:18
365
原创 如何计算图像中物体空间先验信息？
TextonBoost: Joint Appearance, Shape and Context Modeling for Multi-class Object Recognition and SegmentationIndoor Scene Segmentation using a Structured Light Sensor
2020-11-01 10:05:43
440
原创 多类分割 交叉熵损失函数 pytorch 实现思路
参考文献：https://discuss.pytorch.org/t/multiclass-segmentation/54065
2020-10-31 20:46:33
1127
原创 2018_CVPR_Learning to Adapt Structured Output Space for Semantic Segmentation
论文内容分析：》提出通过对抗学习的进行像素级的语义分割的域适应方法。》在输出空间的域适应可以有效地对齐源域和目标的场景布局和局部上下文。作者的目的是：源域、目标域的图像的分割预测Ps,Pt更接近。在目标预测的对抗损失下，将判别器的梯度传递到生成器(分割模型)，让生成器（分割模型）对目标域图像分割，生成与源域分割预测类似的目标域分割预测。》提出多层次对抗学习来适应分割模型的不同层次的特征，改善性能。参考深度监督网络【1】，在低层次特征空间中（low-level feature)，引入对抗模
2020-10-18 22:28:46
386
原创 2019_ICIP-C类会议_SPATIALLY-AWARE DOMAIN ADAPTATION FOR SEMANTIC SEGMENTATION OF URBAN SCENES
该方法是对文献【6】的改进。域自适应技术处理域迁移问题通过对抗训练对齐特征。之前的工作实现的全局特征对齐，没有考虑到目标的位置。为什么考虑目标的位置？作者通过城市场景中数据特点举例子，城市场景中目标与他们的空间位置高度相关，天空往往会出现在图像的顶部，汽车通常出现在图像的中部。作者根据这个观点，提出空间感知判别器，用于理解目标的空间先验，1以提高特征对齐。作者使用【16】的方法风格化源域图像，目的让其看来与目标域图像更为相似。风格化的源域图像和目标域域图像作为分割网络的训练数据。然后，作者使用两个对抗模
2020-10-18 10:02:08
558
1
原创 2020-TMI-Unsupervised Bidirectional Cross-Modality Adaptation via Deeply Synergistic
【1】该方法的关键特征是在图像和特征对齐之间共享编码器E。在图像对齐过程中，使用对抗损失和循环一致性损失，优化编码器E。该结构还收集判别器的反向传播梯度到特征对齐的梯度。在这些方面，特征编码器被安装在多任务学习场景中，这样，它能够呈现用于多种目的的通用和健壮的表示。不同的任务会给编码器带来互补的感应偏差，例如注重像素对应的循环重建，或者关注结构化语义。共享特征编码器设计有助于缓解（alleviate）用有限医学图像训练一个如此复杂的模型时候出现的过拟合问题（over-fitting problem）
2020-10-18 00:17:17
1374
4
原创 BUG- 使用TFRecord 加载数据，程序运行tf.train.shuffle_batch() 报错
这里就不详细讨论TFRecord的作用，以及如何使用，具体的使用方法，请参考文献【1】。Error:OutOfRangeError (see above for traceback): RandomShuffleQueue '_4_shuffle_batch/random_shuffle_queue' is closed and has insufficient elements (requested 5, current size 0) [[Node: shuffle_batch = Q...
2020-10-16 15:06:05
357
原创 3D Vision Rebuttal
3D Vision Rebuttal1. Summary2. Strengths3. Weaknesses4. Rating5. Justification of rating6. Additional comments最近投递了一篇文章至CCF C类3D Vision 会议，对审稿人的审稿意见的格式进行简要的总结。主要从6个方面来呈现审稿人的审稿意见。1. SummaryIn 3-5 sentences, describe the key ideas, experiments, and their
2020-09-17 14:12:00
365
原创 Pytorch 测试阶段，加载模型对输入数据进行推理，程序提示 CUDA of Memory 错误
BUG：在测试的时候，传递prev_state_spatial，出现显存溢出问题。解决方案，将模型得到的中间变量保存至cpu，在使用的时候，将该数据转移到cuda上。参考文献：【1】https://blog.csdn.net/nlite827109223/article/details/89847044...
2020-08-13 20:05:18
367
原创 使用Matlab的编译MEX函数，对含有OpenCV的CPP代码进行编译
》程序运行环境：XCODE_DIR : /Applications/Xcode.app/Contents/DeveloperXCRUN_DIR : /usr/binXCODE_AGREED_VERSION : 10.1ISYSROOT : /Applications/Xcode.app/Contents/Developer/Platforms/MacOSX.platform/Developer/SDKs/MacOSX10.14.sdkSDKVER : 10.14CLANG_VERSI
2020-08-03 23:45:53
671
1
原创 Wasserstein GAN中 Earth-Mover (EM) distance 的理解
1. Wasserstein GAN 论文的第2节Different Distances中给出Earth-Mover (EM) distance的定义形式：将公式（1）的期望形式转换成积分形式：》是组合起来的所有可能的联合分布的集合【1】；》根据文献【2】，是L1范数，其含义是成本函数，货物从x运输到y的成本；》根据论文的描述，表示为了把分布变换成分布，需要从x运输多少 “mass” 到 y；结合文献【3】和文献【2】的描述，可以更好地理解，是一种运输方案，设是原始分布，是目标.
2020-06-30 11:13:39
1507
原创 Pytorch 加权交叉熵实现分析
此文不涉及公式。假设模型对输入图像数据（1(batch size) * 1 (channels) * 3 (height) * 3 (width)）的分割输出结果为1 * 2 （只有两类，前景，背景）* 3 （height）* 3 (width)，ground truth为 target ( 1 (batch size) * 3 * 3)。假设模型的分割结果为input, ground truth 为target。根据文献[1]，计算交叉熵损失有两中方式，一种是用F.nll_loss()；.
2020-06-09 21:01:10
8377
5
原创 python实现Sobel边缘提取
参考文献：https://zh.wikipedia.org/wiki/索貝爾算子代码：# reference : https://zh.wikipedia.org/wiki/索貝爾算子from skimage import filters,ioimport numpy as npimport matplotlib.pyplot as pltgx = np.array([[-1,0,1],[-2,0,2],[-1,0,1]])gy = np.array([[1,2,1],[0,0,0
2020-05-26 20:41:34
3758
2
原创 python import 同一目录下的module
假设我的目录结构如下：其中__init__.py文件需要导入metrics.py ,导入方式如下：from .metrics import *其中metrics前面的点很重要。一个点表示：导入同一目录下的metrics模块；两个点表示上一级目录下的模块。参考文献：【1】https://blog.csdn.net/jacke121/article/details/77260071...
2020-05-15 15:52:04
808
原创 搭建访问Linux服务器-sudo /etc/init.d/samba restart
（1）根据文献【1】搭建Linux服务器；（2）在安装过程中出现以下问题：sudo /etc/init.d/samba restartmessage appears " command not found "根据【2】，尝试以下命令sudo restart smbd参考文献：【1】https://blog.csdn.net/m0_37673307/article/details/80112161【2】https://superuser.com/questions/1...
2020-05-09 09:39:09
1909
原创 python实现形态学图像处理-膨胀操作
膨胀：是使图像中的目标“生长”或“变粗”的操作。这个特殊的方法和变粗程度由被称为结构元的形状来控制【1】。对断开的字符文本的二值图像进行膨胀操作。图像来源：https://www.google.com.hk/url?sa=i&url=https%3A%2F%2Fdocplayer.net%2F49492134-Morphological-image-processing....
2020-04-02 11:22:12
2253
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人