- 博客(190)
- 资源 (1)
- 收藏
- 关注
RSS订阅
原创 【TensorRT C++ API模型加速】TensorRT环境配置、模型转换、CUDA C++加速、TensorRT C++ 加速
TensorRT（Tensor Runtime，TRT）：由 NVIDIA 开发，专为 NVIDIA GPU 设计的，用于深度学习高性能推理的SDK （software development kit ，软件开发工具包），可为推理应用程序提供低延迟和高吞吐量。
2024-12-17 20:09:49
1891
原创 【Python/C API】使用C/C++调用Python
Python/C API：是 Python 提供的 C 语言的 API 库。实现在 C/C++ 中嵌入 Python 代码，包括C/C++ 调用 Python 函数、C/C++ 操作 Python 对象、双向通信等等。
2024-12-16 21:52:45
2528
1
原创 PyQt5新手教程（七万字）
PyQt是Python编程语言的一个GUI（图形用户界面）工具包，它允许开发人员使用Python语言创建桌面应用程序。PyQt是基于Qt库的Python封装，Qt是一个流行的C++框架，用于开发跨平台的应用程序。
2023-11-01 11:31:35
46814
16
原创 深入浅出：Python内存管理机制
python采用自动内存管理机制：又叫垃圾回收器(garbage collector，gc)。负责定期地扫描并自动回收不再使用的内存和对象，使得开发者可以专注于程序逻辑，而不必担心内存管理问题。
2023-10-23 09:47:31
5287
3
原创 多线程与多进程（原理详解 + 函数详解 + 项目实战 + 经验分享）
进程是操作系统中的一个执行单元；多进程是同时运行多个进程的机制；线程是进程中的一个执行单元；多线程是在一个进程中同时运行多个线程
2023-09-27 08:18:46
2737
1
原创 【Python虚拟环境】新建 + 激活 + 安装 + 查看 + 退出 + 删除 + 复制 + 导出 + 导入 + 更改
（1）创建虚拟环境（2）激活虚拟环境（3）退出虚拟环境（4）查看虚拟环境（5）删除虚拟环境（6）复制虚拟环境（7）导出虚拟环境（8）导入虚拟环境（9）更改虚拟环境的安装路径
2023-08-16 09:47:12
36017
8
原创 yolov7目标检测：基于自定义数据集完成检测、训练、测试
主要分三步：（1）环境配置与文件配置（2）检测（3）训练。其中，检测和训练都是可以独立进行的。检测是依赖于权重文件即可运行，而训练是基于自定义训练数据集和超参数生成权重文件。
2023-03-25 20:39:11
6558
13
原创 【深度学习环境配置】Anaconda + PyCharm + CUDA + cuDNN + PyTorch + OpenCV
（1）【CPU版本】Anaconda（Python） + Pycharm + Pytorch（CPU） + Opencv（2）【GPU版本】Anaconda（Python） + Pycharm + CUDA + cuDNN + Pytorch（GPU） + Opencv
2023-02-23 02:00:00
17352
原创 Python常用内置函数（全）
详解Python常用函数，并深度剖析彼此的联系。共包括五个大类：数据类型、数据结构、高阶函数、通用函数、数学函数。
2023-01-15 20:38:39
13601
2
原创 三万字硬核详解：yolov1、yolov2、yolov3、yolov4、yolov5、yolov7
Yolo (You Only Look Once) 是目标检测 one-state 的神经网络模型，可以在图像中找出特定物体, 并识别种类和位置。
2023-01-08 00:57:12
28094
11
原创 六万字硬核详解：卷积神经网络CNN（原理详解 + 项目实战 + 经验分享）
深入解析卷积神经网络（CNN）的实际应用，全面整理并梳理了CNN的关键知识点。从基础概念到实战技巧，加速理解与实战，并解决实际问题。
2022-10-31 07:57:08
41145
21
原创 Pytorch基础（数据处理工具箱 + 神经网络工具箱 + Tensor基础 + Numpy基础）
详细介绍Pytorch的数据处理工具箱、神经网络工具箱、Tensor基础、Numpy基础。PyTorch 是一个由 Facebook 团队于 2017 年发布的深度学习框架，是 Torch 框架在 Python 上的衍生。
2022-10-25 01:35:37
5469
9
原创 什么是人工智能（Artificial Intelligence，AI）？ —— 机器学习 =》 深度学习 =》 新型技术
人工智能（AI）模拟人类智能，涵盖机器学习（ML）和深度学习（DL）。ML通过数据训练模型，分为监督学习（如分类、回归）和无监督学习（如聚类、降维）。DL利用神经网络处理复杂任务，如自然语言处理（NLP）和计算机视觉，推动生成式AI（如ChatGPT）和具身智能（如机器人）的发展。智能体通过感知和决策实现目标，如Manus智能助手。
2025-05-11 10:46:35
672
原创 【PyTorch项目实战】超分RCAN：使用非常深的残差通道注意力网络实现图像超分辨率 —— （自研）解决了RCAN恢复图像的模糊性
RCAN的核心思想是通过构建非常深的卷积神经网络，结合残差中的残差（RIR）结构和通道注意力（CA）机制，自适应地学习更多有用的通道特征。
2025-05-11 10:44:56
1146
3
原创 组织透明化方法（CUBIC）
组织透明化技术以及通过光片荧光显微镜的高分辨率体成像技术，结合适当的荧光标记，能够提供整个器官中感兴趣细胞的全面信息，如细胞类型，形状，状态和分布情况。
2025-04-29 01:40:30
1043
原创 获取当前鼠标的坐标（图像 + 屏幕）
pyautogui：是一个GUI自动化工具，可以用程序自动控制鼠标和键盘操作，多平台支持（Windows，OS X，Linux）
2025-04-28 01:00:44
885
原创 16bit转8bit的常见方法（图像归一化）
将16-bit图像转换为8-bit图像是图像处理中的常见操作，目的是将原图像的像素值压缩至0-255范围。这种转换有助于减少存储空间、适应常见显示设备，并压缩动态范围。
2025-04-14 22:58:41
903
原创 【PyTorch项目实战】反卷积（Deconvolution）
（1）卷积（Convolution）：是一种通过滑动窗口（卷积核）遍历整个图像，对每个像素进行加权求和的操作。（2） 反卷积（Deconvolution）：是卷积的逆运算，旨在通过迭代优化方法从模糊图像中恢复原始图像，减少模糊和失真。
2025-04-10 22:21:04
769
原创 Richardson-Lucy (RL) 反卷积算法 —— 通过不断迭代更新图像估计值
Richardson-Lucy（RL）反卷积算法：是一种基于最大似然估计（Maximum Likelihood Estimation, MLE）的图像去卷积方法，常用于去模糊和图像增强。通过不断地更新图像估计值，来最小化模糊图像和恢复图像之间的误差，逐步消除模糊，最终接近真实的原始图像，每次迭代都会根据当前估计的图像来修正下次迭代的结果。
2025-04-10 22:18:59
1306
原创 基于核函数的卷积操作 —— 理解卷积原理
核函数（Kernel） 是用于图像处理的一种小型矩阵，通常用于卷积操作，以执行滤波、边缘检测、形态学变换等任务。核函数通过滑动窗口的方式作用于图像的像素区域，并计算加权和，从而实现不同的图像处理效果。
2025-03-28 16:08:18
744
原创 去条纹算法 —— 兼容自然图像与荧光图像的频域滤波方法
基于FFT（快速傅里叶变换）的去条纹算法是一种常用的图像处理方法，适用于去除图像中的周期性条纹噪声。这种算法在自然图像和荧光图像中都有广泛应用，特别是在荧光显微镜图像中，条纹噪声（如干涉条纹或扫描线噪声）较为常见。
2025-03-19 21:23:26
1125
原创 去暗角算法
在物体成像过程中，由于高像素分辨率的需求，采用N倍放大倍率会导致成像尺寸过大，而相机的视野有限，无法一次性捕捉整个物体。为了解决这一问题，可以采用图像切块和图像拼接的方式。然而，这种方法可能会引入光学上的暗角问题。
2025-03-19 21:23:03
811
2
原创 图像拼接（Image Stitching）
图像拼接（Image Stitching）：是一项计算机视觉技术，它将多张重叠的图像合并为一张更大、无缝的全景图或广角视图。该技术广泛应用于全景摄影、地图制作、医学影像处理、计算机视觉及增强现实（AR）等领域。
2025-03-19 21:21:20
1297
原创 extern “C“：在 C++ 中，声明一个 C 代码函数
在 C++ 中，extern "C" 关键字：用于告诉编译器按照 C 语言的命名规则 对函数进行编译和链接，，而不是按照 C++ 的名称修饰（Name Mangling）规则，从而使得 C++ 代码能够与 C 代码进行互操作。
2025-03-17 16:24:09
1049
原创 python模拟噪声：均匀噪声、高斯噪声、椒盐噪声、泊松噪声、瑞利噪声、伽马噪声、斑点噪声、脉冲噪声
在图像处理领域，噪声（Noise） 是影响图像质量的重要因素之一，它通常由成像设备的物理特性、传输过程中的干扰或后期处理中的量化误差引入。为了研究图像去噪算法的性能，常常需要在实验中人为添加模拟噪声。模拟噪声的类型多种多样，不同的噪声模型反映了不同的噪声来源。
2025-03-07 19:58:47
2173
2
原创 CuPy加速计算 —— 使用 Python 进行 GPU 加速计算的 NumPy/SciPy 兼容数组库
CuPy：是一个基于 NVIDIA CUDA 的高效数组处理库，它提供了与 NumPy 类似的 API，但能够利用 GPU 的强大计算能力来加速数组计算。通过将数据加载到 GPU 中，CuPy 可以显著提升一些数值计算、线性代数、傅里叶变换等操作的速度。
2025-03-05 21:30:57
1772
原创 Fiji —— 基于 imageJ 的免费且开源的图像处理软件
Fiji（Fiji is just imageJ）：用于科学图像分析的 ImageJ 的 " 内置功能 " 发行版。它在 ImageJ 的基础上预装了大量常用插件和脚本，简化了安装和配置过程，特别适合生物图像分析。Fiji 还集成了更新管理功能，方便用户获取最新插件和工具。
2025-03-03 22:06:09
2325
原创 淋巴结 + 淋巴结肿大 + 淋巴结转移（恶性肿瘤扩散的标志）
（1）淋巴结是人体免疫系统的重要组成部分，负责过滤淋巴液并清除病原体和异常细胞。（2）当淋巴结发生肿大时，可能是由于感染、炎症或肿瘤等原因引起。（3）其中，淋巴结转移是恶性肿瘤扩散的重要标志，意味着癌细胞已从原发部位通过淋巴系统扩散至淋巴结，这通常提示肿瘤进展并影响治疗方案的选择。（4）通过影像学检查、活检等手段，可以明确淋巴结肿大的原因，并采取相应的治疗措施，如抗感染、手术切除、放疗或化疗等。
2025-02-16 20:04:02
880
原创 【PyTorch项目实战】乳腺癌检测：CNN补丁嵌入 + CRF空间建模
神经条件随机场NCRF：（1）卷积神经网络CNN：作为特征提取器，以一组补丁网格作为输入，并将每个补丁编码为固定长度的向量表示(即嵌入)。（2）条件随机场CRF：以嵌入网格为输入，并对其空间相关性进行建模。最终输出是给定补丁嵌入网格时每个补丁为正常或肿瘤的边缘分布。
2025-02-14 13:43:48
1057
原创 【PyTorch项目实战】肿瘤检测：AI辅助诊断（低倍率分割淋巴结 + 高倍率分类肿瘤 + 热图计算T/MLN） + 专家审查
肿瘤检测：（1）分割网络（在 1 倍 WSI 上分割 LN），提取淋巴结区域，去除淋巴结外的脂肪、肌肉等组织。（2）分类网络（在 20 倍 LN 上分割肿瘤），用于将淋巴结区域分类为肿瘤区域和淋巴细胞区域。（3）根据热图，计算肿瘤转移淋巴结面积比（T/MLN）。
2025-02-13 20:58:53
1537
原创 光学显微镜的分辨率极限（理论 - 公式 - 计算）
1、（相机）分辨率的影响因素：像元尺寸 + 信噪比2、（显微镜）分辨率的影响因素：相机分辨率 + 光学分辨率2.1、（极限的）光学分辨率 —— 瑞利判据的分辨率极限2.2、（实际的）光学分辨率 —— 木桶 - 短板效应
2025-02-06 20:23:47
2997
原创 【TensorFlow项目实战】组织切片配准（切割角度校正） —— （自研）解决了 DeepSlice 配准精度较低的问题
组织切片：即具有一定厚度的组织学（在完整3D脑图像中，具有部分且连续的帧图像），通过逐步切割得到多个切片（如：每隔6um切割一个切片）。但由于切割角度很难与正交轴完全对齐，因此切割过程中往往包含不完美之处。
2025-01-14 18:50:25
1919
4
原创 python调用matlab函数（内置 + 自定义） —— 安装matlab.engine
matlab.engine（MATLAB Engine API for Python）：是 MATLAB 提供的一个 Python 接口，允许你在 Python 环境中与 MATLAB 进行交互。
2024-12-11 22:46:04
2872
原创 python调用.jar文件 —— 安装openjdk，而无需配置JAVA环境
在 python 中，使用 JPype 启动一个 JVM（Java Virtual Machine），并允许 Python 直接调用 Java 类和方法。
2024-12-09 21:49:48
1522
原创 Java 环境配置 + IntelliJ IDEA 使用指南
JDK (Java Development Kit), Java开发工具包：用于开发、编译、调试和运行 Java 应用程序所需的环境。JDK 是 Java 开发的基础，任何想要进行 Java 开发的开发者都需要安装 JDK。
2024-12-09 21:41:32
5799
1
原创 边缘检测的100种方法
边缘检测：边缘检测是图像处理中的一种技术，旨在识别和定位图像中亮度变化显著的区域。这些变化通常表现为强度、颜色或纹理的急剧变动，通常对应于物体的边界或轮廓。通过检测这些边缘信息，边缘检测能够帮助提取图像的结构特征，促进图像的分析和处理。
2024-11-11 21:51:13
1182
1
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