CNN
文章平均质量分 89
ma_studd
这个作者很懒,什么都没留下…
展开
-
3D文章修改总结
1. Xiao Min那篇文章的思想:假设有k类,其中的字典为:其中,表示的第i类的训练集合,测试样本为,然后解决下面的l1最小化问题:最小化这个式子得到最小化参数\hat{s}后,然后依次计算下面的残差:然后输出测试样本所属标签:.2. 文章中在介绍自己的网络结构前,先用一个表给出所有字母符号代表的意义。多学学已出版文章中的绘图方式。Wasserstein triplet loss,采用Wasserstein 距离来作为损失函数的,可以考虑下如何去设计一个针对偏原创 2021-07-03 16:28:39 · 573 阅读 · 0 评论 -
最近工作总结(一)(2019.12.09)
最近工作总结(一)(2019.12.09)1. 下一个方向:a. 将之前的分割方法应用到偏振图像中;b. 如何结合目前最新的神经网络(GAN,膨胀卷积,增强学习,何恺明的最新文章);c. silu给的染色图像和偏振图像的配准,然后再拼接(shaojun的项目);d. zhuyuanhuan的30张图像对齐的问题;e. 元学习(meta learning);2. 强化学习(Reinforcement learning, RL): 又称为再励学习,评价学习或增强学习,是机..原创 2020-11-19 10:53:15 · 177 阅读 · 0 评论 -
MATLAB绘制ROC曲线并计算AUC值
最近需要比较不同CNN网络的分类效果,用到了Auc值,所以学习了下用MATLAB绘制ROC曲线并计算Auc值的代码,总结如下。1. 子函数代码:% 计算AUC值,同时绘制ROC曲线% 二值分类,predict为预测为真的概率值,ground_truth为真值标签,均为一维向量% 返回值:PX, PY为ROC曲线上的点,Auc为ROC曲线下面面积值% Create Date: 2020/10/16function [PX,PY,Auc] = calculate_roc(predict, g原创 2020-10-16 15:21:20 · 8286 阅读 · 5 评论 -
神经网络参数更新公式推导(三)——卷积神经网络(CNN)
一、引言与全连接神经网络不同,卷积神经网络每一层中的节点并不是与前一层的所有神经元节点相连,而是只与前一层的部分节点相连。并且和每一个节点相连的那些通路的权重都是相同的。举例来说,对于二维卷积神经网络,其权重就是卷积核里面的那些值,这些值从上而下,从左到右要将图像中每个对应区域卷积一遍然后将积求和输入到下一层节点中激活,得到下一层的特征图。因此其权重和偏置更新公式与全连接神经网络不通。通过卷积核替代权重矩阵的意义在于:1. 降低的计算量;2. 权重得到共享,降低了参数量。UFLDL(Unsuperv原创 2020-08-30 13:42:18 · 6771 阅读 · 1 评论 -
神经网络参数更新公式推导(一)——单隐层网络
一、 神经网络的发展过程:1. MP 神经元;2. 感知机;3. 多层前馈神经网络;4. 误差逆向传播算法;二、 神经网络发展中的问题:早期的感知机只有一个MP神经元,不能处理非线性问题,甚至连最简单的“异或”问题都不能解决。出现这种显现的问题在于只有一个MP神经元,但是自然界中绝大多数生物都不止一个细胞,当单个MP神经元出现局限的时候,自然会想到在感知机基础上增加更多的神经元,让感知机更加强大。解决非线性问题的方法:增加MP神经元数量,例如可以再增加一层神经元,如下图:原创 2020-08-20 18:01:48 · 4881 阅读 · 0 评论 -
Python编程总结(一)
1. python中将Numpy数组保存为图像的方法: 方法1: import scipy.misc scipy.misc.imsave(‘resultImg.jpg’, numpyMat) 注意:上面的转换将最小值min转换为黑色,将最大值转换为白色,如果需要得到精确的灰度或者RGB值,应该使用下面的方 式: ...原创 2019-02-18 11:47:42 · 3295 阅读 · 0 评论 -
采用Mask RCNN分割自己的数据集
采用Mask RCNN分割自己的数据集下载源工程代码:https://github.com/matterport/Mask_RCNN;解压,进入主文件夹,安装所需模块:pip3 install -r requirements.txt;下载Jupyter Notebook以及coco权重:mask_rcnn_coco.h5,了解Jupyter Notebook的使用方法,采用Jup...原创 2019-03-05 12:50:04 · 2319 阅读 · 0 评论 -
深度学习文献总结
文献1. Hinton在《科学》上发表的“reducing the dimensionality of data with neural networks”. 引用格式:Geoffery E. Hinton, Salakhutdinov RR. Reducing the dimensionality of data with neural networks. Science. ...原创 2019-04-01 15:20:08 · 5816 阅读 · 0 评论