图像分割技术
文章平均质量分 65
橘色闪光
这个作者很懒,什么都没留下…
展开
-
3d图像变形操作
We appliedposition of[17] and then resampled to a common resolution of 1 × 1 × 1.5 mm. We appliedrandom deformations to the scans used for training by varying the position ofthe control points with random quantities obtained from gaussian distributio..原创 2021-11-29 14:32:44 · 253 阅读 · 2 评论 -
关于pytorch模型转tensorrt模型遇到的问题
实现一个对于dcm格式的人体切下来的组织就行钙化点检测。我采用了unet分割算法,期间pth模型训练已经到达了一定精度。准备部署到嵌入设备上。期间遇到一个印象深刻的坑,pth转onnx转trt。用trt跑的时候精度变低了。试了trtexec的命令进行各种参数设置并没有改观该现象。在onnx转trt过程中查了很多资料也辗转了很久以为是onnx转换过程出现了问题。后来无意一次心血来潮想试一下onnx的本身精度。发现onnx的精度也有问题,那么问题原来处在onnx上。问题解决的也挺奇特的,本来onnx是放在bai原创 2021-09-29 16:05:33 · 1092 阅读 · 5 评论 -
Unet相关介绍
Unet是在Fcn基础上提出的一种应用于医学影响的分割网络。医学影像的特点是1、数据集小。2、单张图片大。由于以上医疗影像的特点,我们无法直接用Fcn进行分割学习。一个德国团队提出了Unet网络设计在,做到了仅仅用30张医疗影响的数据集就取得了相当不错的效果。我认为Unet与fcn主要有以下几点差异:使用了overlap-tile策略。它是对一张大的医疗影响先分成一小块一小块进行分割训练(388*388大小的子图)。最终将这一小块一小块的分割图拼接起来。这个与fcn相比,fcn的尺寸是直接拿原图原创 2021-05-12 20:03:08 · 33861 阅读 · 1 评论 -
fcn技术详解心得
先占个位原创 2021-04-25 22:15:21 · 671 阅读 · 0 评论 -
关于fcn技术点知识总结(conv和transconv的关系详解)
https://github.com/vdumoulin/conv_arithmetic老师关于fcn的翻卷积后对浅层crop的计算细节地址https://zhuanlan.zhihu.com/p/367501459这个链接下有关于各种conv的各种计算细节。以及各种情况下conv与对应deconv的对应关系。根据convolution这个文章的解读。以下是关于我阅读这篇文章中的一些中文细节注释(标红的是个人理解)。文中开头提到一个conv层的输出形状受到他的输入形状、kernel形状的选择、零原创 2021-04-25 22:14:45 · 1485 阅读 · 3 评论 -
图像分割技术之上采样技术
上采样技术定义理解:可以理解为下采样的一种逆运算。下采样一般是特征图进行conv2d卷积操作或者pooling池化操作不断的提取原特征图的信息导致特征图会越来越小。而上采样技术恰好相反。我们希望将特征图变得越来越大,也就是在原来的信息基础上又生成一些信息出来上采样技术有以下几种:反池化unpooling 双线性插值interpolation 转置卷积unpooling技术又分为1、zero unpooling 2、max unpoolingzero unpooling实际上就是在原来的特征原创 2021-04-18 19:54:21 · 1266 阅读 · 0 评论