![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
文章平均质量分 50
sigmoidAndRELU
每天进步一点点,加油!!
展开
-
读《永州八记》
《永州八记》是唐代著名诗人、文学家柳宗元被贬谪至广西的永州,担任永州司马。到处逛。永州当时有两纵三横十八巷。柳宗元与母亲所居的龙兴寺就在现在的千秋岭小学。柳宗元写下文章的时候是秋季,水清,风凉,寂寥无人,悲秋物语!原创 2024-06-06 16:16:41 · 85 阅读 · 0 评论 -
人生转折点的思考
我已经25岁了,刚从硕士毕业,即将踏上博士的旅途,过去的日子仿佛就在昨日,现在手头上还有一大堆要做的事情,以后的路充满着迷雾,老师问我,我有没有想好未来干什么,给自己的定位是什么。我没有答案,或者说,我不知道。我可算是知道了,为什么高校的学生心理多多少少有点问题,现在这个空窗,就是,未来很迷,但是我不会因为未来看不清就不动了,走一步算一步那是过日子,是不动的方针,但个人的心理建设又是另一方面,我需要自洽。在最近的几天,我疯狂查阅着相关资料,了解不同时代的25岁青年应该要走的路,要承担的责任,要付出的努力。原创 2023-07-05 17:35:22 · 64 阅读 · 0 评论 -
Word 多级标题展开折叠之后 改变内容显示不正常
选中内容异常部分,直接清除样式,然后重新编辑就能解决问题。原创 2023-06-28 18:37:51 · 306 阅读 · 0 评论 -
情感溢出:读《浣溪沙》
读书笔记原创 2023-02-11 20:03:47 · 782 阅读 · 0 评论 -
新的优化器 Adan
优化器,Adan原创 2022-10-27 01:11:34 · 2910 阅读 · 9 评论 -
论文阅读:Vision GNN: An Image is Worth Graph of Nodes
ViG,喜欢图神经网络和卷积神经网络的小伙伴们可以看看。原创 2022-07-07 14:48:27 · 1048 阅读 · 2 评论 -
论文阅读:Duplex Contextual Relation Network for Polyp Segmentation
论文阅读 双向上下文处理模型 用于结肠癌图像分割任务原创 2022-06-23 20:10:08 · 1480 阅读 · 2 评论 -
np.linalg.inv方法详解
对numpy.linalg.inv()函数的简单介绍原创 2022-06-06 17:10:19 · 13755 阅读 · 3 评论 -
论文阅读:CNN+GCN
论文名称:卷积神经网络加上图卷积神经网络的边界回归方法用于医学图像分割。期刊名称:ISSV 2019作者:Yanda Meng Meng Wei.作者单位:利物浦大学以及中科院宁波工业技术研究院。摘要:解剖结构的精准分割是医学图像分析的重要步骤,而边界回归的方法收到了研究者们的青睐。这种方法是从一个起点出发来进行分割任务,而不是对密集的像素点进行分类。然而,由于CNN的固有特性,使用卷积核拥有的局部感受野,缺乏空间信息,这些方法都需要额外的处理步骤来保存空间特征。这也会造成计算代价的增加以及特殊结原创 2022-03-07 19:06:22 · 3988 阅读 · 2 评论 -
论文阅读: DeepGCNs: Can GCNs Go as Deep as CNNs?
论文名称:图卷积神经网络可以走向更深吗?(究极缝合怪)出自:ICCV 2019 Oral作者单位: 阿卜杜拉国王科技大学引言:卷积神经网络很好,因为它很深,并且由残差连接保证性能的提高。在现有的GCN只有三到四层,而本文提出的缝合怪有56层。...原创 2021-12-29 10:32:30 · 1937 阅读 · 0 评论 -
论文阅读: BI-GCN
paper name:BI-GCN: Boundary-Aware Input-Dependent Graph Convolution Network for Biomedical Image Segmentatation论文名称:边界感知输入独立的图卷积网络论文地址: arxiv:2110.14775代码:未公布摘要:分割是图像处理中的重要步骤,而卷积操作是受限于局部感受野的,所以全局信息的提取模型对于分割任务而言意义重大。所以本文就应用图卷积来解决这一问题,并且提出了一个Laplacian方法原创 2021-12-21 18:07:21 · 1417 阅读 · 0 评论 -
论文阅读:Adaptive Graph Convolution for Point Cloud analysis
自适应图卷积用于点云分析论文地址: https://arxiv.org/pdf/2108.08035.代码地址: https://github.com/hrzhou2/AdaptConv-master.作者:Zhou Haoran单位:南京航空航天大学作为初入图卷积网络的小白,我就根据自己的理解来读这篇文章。摘要:问题:从二维网格域推广出来的三维点云的卷积已被广泛研究,但远非完美。标准卷积表征了三维点之间的特征对应难以区分,呈现了特征特征学习差的内在局限性。贡献:1、自适应图卷积 Ada原创 2021-12-09 22:46:35 · 4103 阅读 · 1 评论 -
论文阅读 Adaptive Consistency Regularization for Semi-Supervised Transfer Learning
Adaptive Consistency Regularization for Semi-Supervised Transfer Learning论文题目:自适应一致性正则化方法用于半监督迁移学习作者单位:百度大数据研究院作者:Abulikemu Abuduweili代码地址:https://github.com/SHI-Labs/Semi-Supervised-Transfer-Learning摘要近来,半监督学习模型在处理带标签数据不全的任务中有着优异的表现。但它们的参数都是随机初始化的。而原创 2021-11-23 18:15:43 · 3133 阅读 · 0 评论 -
论文阅读 Graph-Based Global Reasoning Networks
Graph-Based Global Reasoning Networks论文题目:基于图结构的全局推理网络会议:CVPR 2018作者单位:脸书研究院 新加坡国立大学作者: Chen Yunpeng代码:https://github.com/NUST-Machine-Intelligence-Laboratory/nsrom/tree/main/segmentation/libs摘要:区域之间的全局建模和关系推理在完成计算机视觉的任务上有很大的优势。因为卷积神经网络的基础操作Convolut原创 2021-11-21 23:39:27 · 3520 阅读 · 8 评论 -
承认自己的无知乃是开启智慧的大门
原文链接:https://xw.qq.com/amphtml/20200910A05NK300苏格拉底申辩篇文章内容雅典的同胞,当我听到控诉我的人陈述以后,不知你们作何感想!不过他们强有力的说辞,使得我连自己是谁、都不知道了,这也达到了他们想要的效果。他们的话,没有一句是真的,在这些谎言中,最让我吃惊的一条是他们告诉你们、要小心谨慎,不要被我的花言巧语所欺骗。他们的这种做法,实在太无耻!因为当我一旦开口展现我的缺陷时,他们就必定有所察觉。当然,他们这样说、看上去是最不知羞耻的,除非是由于我雄辩的实力原创 2021-11-20 23:42:15 · 1704 阅读 · 0 评论 -
文章阅读Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation
Non-Salient Region Object Mining for Weakly Supervised Semantic Segmentation文章名称:非显著区域对象挖掘的弱监督语义分割会议: CVPR 2021作者:Yao Yazhou 南京理工大学代码:https://github.com/NUST-Machine-Intelligence-Laboratory/nsrom/tree/main/segmentation摘要语义分割任务是对输入图像进行像素级别的精细分割。考虑到稠密标原创 2021-11-19 20:16:54 · 3134 阅读 · 2 评论 -
关于为什么sklearn画出来的ROC曲线图是折线的问题
经过师兄的提醒,我将单一值的标签图用最初的概率图进行替换。不要扯什么这个那个,就是不能用阈值去将概率图变成最终的分割图,那个阈值就是ROC曲线图中需要的,我们只要提供模型分割的概率图即可。问题解决!...原创 2021-09-10 20:26:29 · 6239 阅读 · 4 评论 -
我们写的论文有意义吗?
深度学习该怎么继续学习?这个问题,在我刚踏足这个领域时,并没有意识到,知道学习了一年后,发现,我们确实是存在一定问题的。特别是,当我胡编乱造出一个结构,然后它居然有那么一点点用的时候,我是开心又难过!搭积木的工作就是我们要做的吗?如果不是,那么我该怎么办,总结一下,其实就是以下三点。问题一 我们提出的创新点,是真的有那么大的创新吗?作为一个计算机视觉的小白,我明白,强大的,具有普遍适应性的结构,都是大牛们提出来的,而我们只是在此基础上做一些小的改动,其实没有那么大创新。问题二 大神们那么厉害,我们所原创 2021-08-23 18:10:41 · 167 阅读 · 0 评论 -
青海三日游
这是一次难忘的旅行。第一天,我们非常喜悦地去往了西宁的路上,一路坐着动车,领略到了青海和甘肃的风景各异,从黄土高原去往青藏高原的路上,不愧是青海,绿色充满了整个旅途。从乐都一直到西宁的路上,非常纳爱斯。最后在匆匆忙忙的吃饭后住在了民宿中,找的地方正巧修路,非常偏僻啊,但索性找到了,然后幸福的小床,凉爽的西宁,给兰州的我们带来了不一样的清凉,心想,这才是昼夜温差呀!第二天,我们从西宁正式出发,向青海湖出发,一路经过拉脊山,共和县。这一天,我们看到了牦牛,哞哞牛牛,还瞅见了山羊咩咩。白牦牛,黑牦牛,山上有星原创 2021-08-04 00:41:57 · 131 阅读 · 0 评论 -
计算机系统结构期末考试题
第一题下列两个程序分别在C, 32位系统上运行,请分析最后的运行结果。程序一:int main(){ int value, count_value; float sota; scanf("%d\n", &value); sota = (float)value; count_value = (int)sota; printf("%d", sota - count_value);}程序二:int main(){ float sota原创 2021-07-08 13:45:10 · 545 阅读 · 0 评论 -
python 中的append方法
在使用append方法的时候发现,原来并不用返回对象,并且每次只能添加一个元素,这个元素是谁没关系,但只能是一个。if __name__ == '__main__': f = [] f.append(3) f.append(4) print(f)>> [3, 4]Process finished with exit code 0python语法中,这个append是我用的最多的,还是要多了解一下,笔记+1!...原创 2021-07-02 21:39:38 · 900 阅读 · 0 评论 -
(B, G, R) = cv2.split(img) ValueError: not enough values to unpack (expected 3, got 1)
cv2.split 出错解决方案:主要是在图像进行通道分离的之前用到了resize,但是在使用过程中是直接对对象进行了操作,而不是调用函数,故有: img = cv2.imread(file) cv2.namedWindow('1', 2) cv2.imshow('1', img) cv2.waitKey(0) image = img.resize((342, 256)) img = cv2.resize(img, (342, 256)) prin原创 2021-07-01 20:10:18 · 3215 阅读 · 0 评论 -
拷贝pdf中的表格数据
第一步,新建一个文本文档 a.txt将数据拷贝到里面第二步,写个代码,替换所有的空格为制表符最后,拷贝回来,bingo!原创 2021-06-28 19:53:06 · 431 阅读 · 0 评论 -
证明柯西积分定理
李红老师说: 柯西积分定理是打开复变函数积分的钥匙,需要牢牢掌握它!内容如下:如果f(z)在单连通域D内解析,C为D内任一闭曲线则∫cf(z)dz=0成立!如果f(z)在单连通域D内解析,C为D内任一闭曲线则 \\∫_c f(z) dz = 0 成立! 如果f(z)在单连通域D内解析,C为D内任一闭曲线则∫cf(z)dz=0成立!...原创 2021-06-25 21:02:59 · 3936 阅读 · 3 评论 -
计算机浮点数误差的计算方法———冯伯伯出题
本文出自西师菜鸟若有疑问,请联系作者,若有侵权,及时删除题目要求: 计算出现有的计算机中浮点数的误差大小。思路:将浮点数写至地址中,通过遍历浮点数,并进行做差,最后输出误差的最大值。代码: C++这里写出最简单的理解说明:backTrack():转二进制numberFloat :浮点数的类inti():浮点数初始化, 十进制将精确度换成1e-8,左手29位,右手30位。addFloat():加法subFloat():减法findMax():比较哪个两个浮点数的大小out(): 输出原创 2021-06-25 17:33:51 · 334 阅读 · 3 评论 -
torch.nn.identity()方法详解
先看代码m = nn.Identity(54, unused_argument1=0.1, unused_argument2=False)input = torch.randn(128, 20)output = m(input)>>> print(output.size())torch.Size([128, 20])这是官方文档中给出的代码,很明显,没有什么变化,输入的是torch,输出也是,并且给定的参数似乎并没有起到变化的效果。看源码class Identi原创 2021-06-25 16:56:52 · 36017 阅读 · 6 评论 -
关于sklearn中的混淆矩阵confusion matrix的学习
定义混淆矩阵是有 TP、TN、 FP、FN组成的一个元组,这句话是不错的,看官网给定的代码!>>> from sklearn.metrics import confusion_matrix>>> y_true = [2, 0, 2, 2, 0, 1]>>> y_pred = [0, 0, 2, 2, 0, 2]>>> confusion_matrix(y_true, y_pred)array([[2, 0, 0],原创 2021-06-09 20:50:55 · 2104 阅读 · 0 评论 -
初入知识蒸馏
Distilling the knowledge in a Neural Network这篇文章出自概念的提出者,深度学习界的顶级大牛Hinton之手,以下内容为本人阅读此文时的感受,文献地址:知识蒸馏读文章的第一步当然是从摘要出发,看本文到底是干什么的,有怎样的作用,把握了中心思路再去阅读才能起到事半功倍的效果,否则引言和相关工作就能让你的头变大,开始!摘要在相同的数据集上训练不同的模型,然后取这些模型的预测平均值是能够提高几乎所有的机器学习方法性能的!因为计算代价太大,并且若是单个的模型为深度神原创 2021-06-02 17:00:44 · 277 阅读 · 7 评论 -
情感溢出
多愁善感的人啊,不经意的小动作就会让你焦头烂额,胡思乱想。因为走心,因为敏感,我会因为你的一点点不开心而产生化学反应,这是为什么?感情的世界里,不讲道理,现实给了我痛苦的体验,让感情变得很珍贵,好吧,是很稀缺。就如同,为你我受冷风吹中唱的那样,从此收起真心谁也不给。心里的渴望是自然的反应,有时会因为这种思维而干出一件件的傻事,回首,自以为可笑。习惯一个人之后,发现自己挺好的,一个人也能好好过日子,生活还要继续,看上小姐姐,又不敢去问。估计是自己不够优秀,好吧,陈天华先生的我不配又附体了,身上却没有他那原创 2021-04-29 10:16:04 · 400 阅读 · 1 评论 -
遇到段错误(核心已转储)问题的解决方案
我也没解决原创 2021-04-29 09:29:57 · 1846 阅读 · 0 评论 -
FedDG: Federated Domain Generalization on Medical Image Segmentation
FedDG:论文地址:https://arxiv.org/abs/2103.06030此篇论文出自香港中文大学计算机科学与工程学院,香港科技大学医学院。引言1、联邦式的学习允许多个医疗机构协作学习一个具有隐私保护的共享预测模型。(多个数据源能够提升训练模型的泛化能力)2、在临床部署中,联合训练的模型应用于模型训练数据来源以外的未知医院时,仍然会出现性能下降的情况。(数据仍存在局部性)3、本文指出并解决了一种新的联合域的泛化问题的设定,该问题就是如何从多个分布式源域学习联合模型,从而推广到未知原创 2021-04-26 23:24:57 · 1135 阅读 · 5 评论 -
bmp位图转jpg png python
可再别说那些假的了,还opencv,就一行代码,嗯, 手动也可以,直接改后缀名就能实现,至于原理,其他的博主有介绍位图和RGB图像的区别的!看吧!from PIL import Imagefile = 'C:/Users/TT/Desktop/IMD002.bmp' #原图像的位置file2 = 'C:/Users/TT/Desktop/IMD002.jpg' #保存位置image = Image.open(file)image.save(file2)嗯,很是神奇,原来只需要改后缀就好,可原创 2021-04-23 16:09:15 · 1454 阅读 · 0 评论 -
/bin/mv: 参数列表过长
# 解决echo *.png | xargs mv -t /image/这是echo 命令的用法。不用在乎文件操作的长度!原创 2021-03-20 12:10:38 · 324 阅读 · 0 评论 -
Gated Fully Fusion for Semantic Segmentation(GFF)
前言语义分割,是一项基本任务,作为普通学生的我,只能利用大佬们提供的砖头和假设图纸进行搭建工作,这是我对自己的认知,不知读者你们如何认为?开始阅读:引言语义分割通过密集地预测每个像素的类别来产生对场景的全面理解。 深度卷积神经网络的高层次特征已经证明了它们在语义分割任务中的有效性,但是对于详细信息很重要的小/薄对象,高层次特征的粗分辨率往往会导致较差的结果。那就自然要考虑使用低级别特征来补偿高级别特征中丢失的详细信息。 然而简单地组合多层次特征会受到它们之间语义差距的影响(即简单的拼接不够->原创 2021-03-12 17:06:06 · 3487 阅读 · 8 评论 -
开源的数据集
挑战赛数据集地址https://challenge2018.isic-archive.com/原创 2021-03-10 16:18:23 · 663 阅读 · 0 评论 -
from . import model(相对路径和绝对路径的问题)
前面在这里还是要重点强调一下,能够使用绝对路径,就尽量不用相对路径,除非是模型搭建的初始化中必要的设计,要不然很容易出错。之前读了几个博客,并且照样实现了一下,发现,若是在单独的项目中,使用相对路径其实就是回到父目录然后向下寻找。然而,这里的执行是有限制的,必须是父目录加载进来以后,子模块调用才能成功。在自己的文件夹下面是不能执行的,并且会碰到以下错误。ImportError: attempted relative import with no known parent package解决方法:转载 2021-03-09 11:12:40 · 4064 阅读 · 0 评论 -
BARNet
Real-Time Semantic Segmentation of Remote Sensing Images Based on Bilateral Attention Refined Network双向注意力机制修正网络在实时遥感图像上的语义分割原创 2021-03-08 17:40:48 · 493 阅读 · 0 评论 -
解析函数的导函数仍然解析
首先要知道什么是解析函数解析函数是指在区域D内处处偏导数连续且满足柯西黎曼方程(C-R方程)的复变函数证明如下利用柯西黎曼方程和数学归纳法解析函数之后还有半解析函数,是由我国的王见定教授所创立的,提出了共轭积分……想要深度了解解析函数的小伙伴可以看看老师的视频https://www.bilibili.com/video/BV1Cx411174i?p=1一起学习,加油!...原创 2020-08-06 08:27:09 · 7633 阅读 · 2 评论 -
Borel measurability
波莱尔可测性第一次看见这个名词是在deep learning上,文中只是简单的提到了这么一个词,用于解释深度神经网络能够进行训练的原因分析,有限次的波莱尔函数的叠加仍然是波莱尔函数,而根据波莱尔的性质可知,(可以见百度百科波莱尔可测函数)波莱尔函数是相当广泛的一类函数:一切波莱尔集的示性函数都是波莱尔函数;即如果,则它的示性函数是波莱尔函数。所谓的示性函数指的是,某个元素若是属于这个波莱尔集合,取值为一,不属于则取值为零。函数y = g(x) 是定义在m维 的空间 R 上的单值实函数,称 g(x)原创 2021-03-06 11:14:34 · 1251 阅读 · 0 评论 -
AlexNet分析与简单实现
简介简单的来讲,在LSVRC 中,获得了最好成绩的Alexnet确实有许多引人深思的地方。作为一个神经网络的初学者,学会分析AlexNet是很有必要的。下面分成两个步骤来了解一下AlexNet.分析这里参考了我能看懂的一个博主的文章https://www.jianshu.com/p/00a53eb5f4b3里面讲了很详细的网络架构,我就在下面展示出来,看不懂的同仁可以看看上面的这个博客首先 Alex net由 两个卷积层 +两个池化层 +两个卷积层+一个卷积层+一个池化层 + 两个全连接层+dr原创 2021-03-06 11:13:55 · 255 阅读 · 0 评论