自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+

WeisongZhao

GitHub同名,关注计算机视觉/人工智能/计算成像/图像处理

  • 博客(277)
  • 收藏
  • 关注

原创 在数学空间中,物理分辨率可能失去了意义(behind the paper)

写在前面:2020-01到2021-07于我来说,是非常艰难的两年,所以这段时间一直也没有在CSDN持续整理一些CV知识了。这期间经历了4~5轮审稿,从nature辗转nature biotechnology,现在终于把第一篇工作发表出来了,感兴趣的可以看这个链接(Sparse deconvolution improves the resolution of live-cell super-resolution fluorescence microscopy | Nature Biotechnology)这

2021-11-17 21:13:59 1996 4

原创 AI赋能的判定机制的倾向性

最近忙着论文的事情,没有时间写一些技术博客,而且CSDN的图床经常出现问题,也懒得整理了。今天也是说些闲话,讨论下对未来AI赋能的判定机制的一些思考。什么是AI赋能的判定机制,主要其实就是基于机器智能的技术手段,来代替人类评判事情。可以举例几个典型应用:AI自动面试 AI面部识别罪犯 AI病理检测等等.....最近恰好很火的一条新闻:《面部识别预测罪犯”研究遭1700名学者联名反对》有 1700 名研究者签字联名抵制一篇 AI 研究...

2020-06-29 16:01:46 1116 1

原创 目标跟踪【更新中...】

最近需要跟踪clathrin CCP的运动与半径,所以调研了一下多目标跟踪的方法:首先总结一下基本工作流:1.分割图像,将图像转为二值化样本,分割方法有太多了,根据情况而定,暂时定位分水岭分割:https://imagej.net/Interactive_Watershedhttps://scikit-image.org/docs/dev/auto_examples/segment...

2019-06-14 20:35:19 1003

原创 Eclipse使用总结【更新中】

查看一个方法被谁引用(调用)1.(首推)双击选中该方法,Ctrl+Alt+H如果你想知道一个类的方法到底被那些其他的类调用,那么请选中这个方法名,然后按“Ctrl+Alt+H”,Eclipse就会显示出这个方法被哪些方法调用,最终产生一个调用关系树。2.(次推)选中该方法,Ctrl+Shift+G 就显示这个方法被谁引用了 , 查询在整个工作区中被谁引用了3.选中该...

2019-03-06 16:24:41 312

原创 图像先验分布详解

引子图像复原是图像处理中最重要的任务之一,其包括图像去噪、去模糊、图像修复、超分辨等, 都是底层视觉中被广泛研究的问题。实际中我们得到的图像往往是退化后的图像(如带噪声图像、模糊图像、被采样的图像等):y=D(x)y=D(x)y=D(x)其中,yyy表示观察到的退化图像,xxx是原始图像,D(⋅)D(⋅)D(⋅)是退化函数,往往是未知的,在实际的计算中,常常使用成像物理模型近似。图像复原就...

2019-01-09 18:48:03 17451 5

原创 Git上传Github及基本操作

git config --global user.name "github’s Name"git config --global user.email "github@xx.com"git config --list隔段时间传一次GitHub,总忘记怎么传的,现在总结一下:cd ~/ #repo. namegit initgit add .git commit -m ...

2018-10-25 21:07:40 878

原创 总结深度学习各种网络结构【更新中...】

CNN:总结:利用权值共享【卷积操作】将神经网络本来的全连接层替换为非全连接层,使输入可以为尺度可变的张量。可用结构:(Max, mean)Pooling:降维;全连接层:分类;GAN:总结:利用两个网络对抗生成模型,生成器与辨别器,生成器输入图像,生成所需图像,辨别器辨别所需图像与生成图像,使生成器的生成图像骗过辨别器。可用结构:CNN;(Recursive)Re...

2018-06-10 22:11:49 10549

原创 【MATLAB】xx操作总结【更新中】

在命令行敲入 dbstop if error如果运行出现错误,matlab会自动停在出错的那行,并且保存所有相关变量。新建文件夹:i=10; dirname=['dir' num2str(i)];%新的文件夹名a=['mkdir ' dirname];%创建命令system(a) %;创建文件夹1.对两路信号作图时,可用 linkaxes 同步x轴,以便之后手...

2018-05-26 22:43:46 2506

原创 Top-down与Bottom-up

简析顾名思义,top-down是由上至下,而bottom-up由下至上的意思。其实,就我对本行业的理解,top = 目的(objective),bottom = 方法细节(action)。因此,top-down是由目的开始,推到达到目的的方法与其细节。而bottom-up则是由要采取、或是能采取的行动开始思考,最后看这些行动是否能达到目的。Top-down思考的人会先花很多时间在搞清楚目的与框架上,bottom-up的人则是通常先把要做的事情一个个列出来后,才思考这和原本的目的有什么关系。举

2020-08-14 14:12:05 15843

原创 3D U2-Net

3D U2-Net: A 3D Universal U-Net for Multi-domain Medical Image Segmentation探索了一种有前途的通用体系结构,该体系结构可以处理多种医学分割任务,并且可以扩展用于新任务,而无需考虑不同的器官和成像方式。我们的3D通用U-Net(3D U2-Net)建立在可分离的卷积基础上,假设来自不同域的图像具有特定于域的空间相关性,可以...

2020-05-04 16:02:29 1860 1

转载 MCMC方法与变分推断

贝叶斯推理(Bayesian inference)是统计学中的一个重要问题,也是许多机器学习方法中经常遇到的问题。例如,用于分类的高斯混合模型或用于主题建模的潜在狄利克雷分配(Latent Dirichlet Allocation,简称LDA)模型等概率图模型都需要在拟合数据时解决这一问题。同时,由于模型设置(假设、维度……)不同,贝叶斯推理问题有时会很难解决。在解决大型问题时,精确的方案往往...

2020-04-02 13:45:11 1732

原创 GELU激活函数

论文链接:https://arxiv.org/abs/1606.08415在神经网络的建模过程中,模型很重要的性质就是非线性,同时为了模型泛化能力,需要加入随机正则,例如dropout(随机置一些输出为0,其实也是一种变相的随机非线性激活), 而随机正则与非线性激活是分开的两个事情, 而其实模型的输入是由非线性激活与随机正则两者共同决定的。GELUs正是在激活中引入了随机正则的思想,是一种对神...

2020-01-14 16:53:47 1116

转载 Reveal.js:把你的 Markdown 文稿变成 PPT

Reveal.js:把你的 Markdown 文稿变成 PPThttps://github.com/hakimel/reveal.js通过 Reveal.js 这个框架, 我们可以把 Markdown 文件转为类似 PPT 的演示文稿,轻快省力,减少排版上的时间,更专于文字内容;同时,也获得 PPT 所不具有的灵活性。PowerPoint Out!PPT,全名 PowerPo...

2019-12-25 22:46:43 2248 1

原创 MinGW安装

MinGW(Minimalist GNU For Windows)是个精简的Windows平台C/C++、ADA及Fortran编译器,相比Cygwin而言,体积要小很多,使用较为方便。MinGW最大的特点就是编译出来的可执行文件能够独立在Windows上运行。MinGW的组成:编译器(支持C、C++、ADA和Fortran) GNU工具 mingw-get(用于Windows平台...

2019-12-25 22:05:58 759

转载 SIFT提取特征点

计算机视觉中的特征点提取算法比较多,但SIFT除了计算比较耗时以外,其他方面的优点让其成为特征点提取算法中的一颗璀璨的明珠。SIFT算法的介绍网上有很多比较好的博客和文章,我在学习这个算法的过程中也参看网上好些资料,即使评价比较高的文章,作者在文章中对有些比较重要的细节、公式来历没有提及,可能写博客的人自己明白,也觉得简单,因此就忽略了这些问题,但是对刚入门的人来说,看这些东西,想搞清楚这些...

2019-11-19 16:57:19 1576

原创 Win10 【TITAN Xp】和【TITAN RTX】-【TensorFlow】环境简单总结

最近CSDN改版,写文章的时候图片上传总是失败,也不知道是网速太差了,还是什么原因,所以一直没有更新博客,最近又安装了几次不同的环境,记录一下自己遇到的坑吧,就暂时不上图了,干说:TITAN RTX首先RTX是不支持CUDA 10.0以下的,显卡驱动也要装新版的,电脑到手之后,打算装CUDA9.0,但是报错,就升级了显卡驱动,装了CUDA 10.0。TensorFlow版本也是CUDA10...

2019-11-16 00:09:15 1570 1

原创 深度森林浅析

深度森林深度学习最大的贡献是表征学习(representation learning),通过端到端的训练,发现更好的features,而后面用于分类(或其他任务)的输出function,往往也只是普通的softmax(或者其他一些经典而又简单的方法)而已,所以,只要特征足够好,分类函数本身并不需要复杂representation learning。目前DL的成功都是建立在多层神经网络的基础上的,...

2019-08-31 23:05:31 3629

转载 Adaboost原理和实例

Adaboost算法原理分析和实例转载:http://blog.csdn.net/guyuealian/article/details/70995333资源:【1】http://blog.csdn.net/v_july_v/article/details/40718799 感谢这位博主给出了 Adaboost 算法的原理与推导,本文章很多地方都参考了他的内容【2】http://blog.c...

2019-08-31 22:59:01 1052

转载 Attention机制【图像】

1. 什么是Attention机制?其实我没有找到attention的具体定义,但在计算机视觉的相关应用中大概可以分为两种:1)学习权重分布:输入数据或特征图上的不同部分对应的专注度不同,对此Jason Zhao在知乎回答中概括得很好,大体如下:- 这个加权可以是保留所有分量均做加权(即soft attention);也可以是在分布中以某种采样策略选取部分分量(即hard attent...

2019-07-27 17:34:27 23346 3

转载 FISTA浅析

前言:FISTA(A fast iterative shrinkage-thresholding algorithm)是一种快速的迭代阈值收缩算法(ISTA)。FISTA和ISTA都是基于梯度下降的思想,在迭代过程中进行了更为聪明(smarter)的选择,从而达到更快的迭代速度。理论证明:FISTA和ISTA的迭代收敛速度分别为O(1/k2)和O(1/k)。  本篇博文先从解决优化问题的传统方...

2019-07-21 23:23:19 5536 2

原创 各语言的GPU类库

总结一些语言调用GPU的关键词:Java: Aparapi, JavaCL,jCUDA,Deeplearning4j, Rootbeer.C, C++: CUDA, OpenCL (2.x not for NVIDIA),PyTorch, Caffe, TensorFlow, OpenCV(with GPU support),AMP,OpenMP, OpenACC,Thr...

2019-07-04 13:55:59 854

转载 矩阵的秩最小化

为了求解问题因为它是非凸的,我们求解一个它的近似算法对于一个大的τ值,它可以用下列等式接近其中第一项为核范式(奇异值的和),第二项为Frobenius范式。Singular Value Thresholding (SVT) 奇异值阈值* 奇异值收缩(singular value shrinkage)*首先我们考虑一个秩为r非负的。对于每个τ≥0 的奇异值上,使它们趋于零。这也...

2019-06-26 19:40:35 6636

原创 Visio的VBA初探

最近做的项目中需要用到Visio二次开发,安装了Visio的SDK,还有从网上找了一些这方面的博客,Visio的SDK是全英文的,看着有点费劲,很多的东西都不知道该如何去找,不过网上的一些博客还是有一些不错的,前两天发现一个有助于Visio二次开发的方法,下面分享给大家。 就是巧用Visio的宏来帮助你进行二次开发,通过Visio宏的录制功能,将你对Visio的具体操作转换成VBA代码,这样你...

2019-06-26 19:37:23 4706

原创 Mac配置炫酷终端以及直接预览Markdown和各类代码

1. 下载iTerm2brew cast install iTerm2安装完成后,在/bin目录下会多出一个zsh的文件。Mac系统默认使用dash作为终端,可以使用命令修改默认使用zsh:chsh -s /bin/zshzsh完美代替bash,具体区别可查看:《Zsh和Bash区别》iterm2的原始界面2. 替换背景图片打开路径:iterm2 ...

2019-06-23 21:43:34 4725

原创 水平集分割

水平集分割% This Matlab code demonstrates an edge-based active contour model as an application of % the Distance Regularized Level Set Evolution (DRLSE) formulation in the following paper:%% C. Li, ...

2019-06-23 17:24:22 5625 6

转载 阈值分割小结

阈值分割一: 全阈值分割 实例代码:image = cv2.imread('img.jpg', cv2.IMREAD_GRAYSCALE)the = 100 # 设置阈值为100maxval = 255dst, img = cv2.threshold(image, the, maxval, cv2.THRESH_BINARY)cv2.imshow('hand_thresh', ...

2019-06-23 16:44:08 14168

原创 GAN增强网络安全

密码技术与我们息息相关,使用密码技术不仅仅能够保证信息的机密性,而且可以保证信息的完整性和可用性,防止信息被篡改、伪造和假冒。一直以来,设计和破解密码都是人类的专利,然而,随着人工智能的发展,Google Brain的研究成果《让神经对抗网络学习保护通信》(learning to Protect Communications with Adversarial Neural Cryptography...

2019-06-23 16:23:00 2472 1

转载 imagej 基本操作

imagej菜单栏列出了ImageJ的所有命令,它包含八个菜单: File:基本的文件操作,包括打开、保存、创建新图片,大多数命令看名字就知道什么意思 Edit:编辑和绘制操作,以及全局设定 Image:图像显示,包括图像格式的转化、怎样显示等 Process:图像处理,包括点操作、过滤器和算术运算 Analyze:图像分析,统计测量、直方图绘制和其他与图像分析有关的操作 Pl...

2019-06-14 21:43:22 83958 9

原创 imagej链接资源

宏宏是一个自动执行一系列ImageJ命令的简单程序。创建宏的最简单的方法是录制一系列的命令:Plugins-Macros-Record。宏存成一个.txt或.ijm后缀的文本文件,然后通过Plugins-Macros加载。关于宏编程的教程有:The ImageJ Macro Language The Built-in Macro Functions webpage Tutorial...

2019-06-14 21:40:42 971

翻译 imagej之Python脚本

原生ImageJ仅支持JS脚本,而ImageJ的衍生版本Fiji支持Python脚本编程,所以这里的ImageJ实际是Fiji。本文是对这个Tutorial的翻译。Fiji官方的Jython指南在这里。上手有两种方式可以打开脚本编辑器:通过File-New-Script打开。 使用Command finder:具体就是按字母“l”,然后输入script,然后选择下面的script...

2019-06-14 21:36:08 6165 1

转载 各类滤波算子

双边滤波(Bilateral filter)双边滤波(Bilateral filter)是一种可以保边去噪的滤波器。其输出像素的值依赖于邻域像素的值的加权组合,即:g(i,j)=∑k,lf(k,l)w(i,j,k,l)∑k,lw(i,j,k,l)也就是:h=w(i,j,k,l)∑k,lw(i,j,k,l)其中,w(i,j,k,l)=d(i,j,k,l)⋅r(i,j,k,l)=exp(−...

2019-06-14 20:43:26 7653

转载 Kmeans++及字典学习

1. Kmeans++Kmeans 中对聚类中心的初始化比较敏感,不同的初始值会带来不同的聚类结果,这是因为 Kmeans 仅仅是对目标函数求近似最优解,不能保证得到全局最优解。在常规的 Kmeans 中,聚类中心的初始化都采用随机初始化的方式,这样会存在一个问题:如果数据在某个部分较密集,那么产生的随机数会以更高的概率靠近这些数据。例如,假设输入数据为: [0.8,0.85,0.9,0....

2019-06-14 20:37:58 1428

转载 CNN 反向传播推导

CNN卷积神经网络推导和实现 本文的论文来自:Notes on Convolutional Neural Networks, Jake Bouvrie。 这个主要是CNN的推导和实现的一些笔记,再看懂这个笔记之前,最好具有CNN的一些基础。这里也先列出一个资料供参考:[1] Deep Learning(深度学习)学习笔记整理系列之(七)[2] Le...

2019-06-14 20:26:53 1605

转载 Active Contour Models 主动轮廓模型

《Matlab图像处理》part1 Snakes:Active Contour Models 主动轮廓模型参考博客:数字图像处理-图像分割:Snake主动轮廓模型 Matlab代码及运行结果简介在“图像分割之(一)概述”中咱们简单了解了目前主流的图像分割方法。下面咱们主要学习下基于能量泛函的分割方法。这里学习下Snake模型简单的知识,Level Set(水平集)模型会在后面的博文中...

2019-06-14 19:01:41 12500

转载 训练GAN的技巧

GAN, 作为一种非常厉害的生成模型, 在近年来得到了广泛的应用. Soumith, PyTorch之父, 毕业于纽约大学的Facebook的VP, 在2015年发明了DCGAN: Deep Convolutional GAN. 它显式的使用卷积和转置卷积在判别器和生成器中使用. 他对GAN的理解相对深入, 特地总结了关于训练GAN的一些技巧和方式, 因为不同于一般任务, 像设置优化器, 计算lo...

2019-06-14 18:52:37 8378

转载 StyleGAN

基于StyleGAN的一个好玩的网站:www.seeprettyface.com—————————————————————————————————StyleGAN一、 StyleGAN解决的问题  我们先来反思一下上一节介绍的ProGAN有什么缺陷,由于ProGAN是逐级直接生成图片,我们没有对其增添控制,我们也就无法获知它在每一级上学到的特征是什么,这就导致了它控制所生成图像的特定特征的...

2019-06-14 18:46:51 4468

转载 Kmeans CUDA

1. Kmeans 步骤常规的 Kmeans 步骤:1. 初始化聚类中心2. 迭代1. 计算每个样本与聚类中心的欧式距离2. 根据样本与聚类中心的欧式距离更新每个样本的类标签3. 根据类标签更新聚类中心本文中并行化的 Kmeans 的步骤:初始化每个样本的类标签迭代统计每一类的样本和统计每一类的样本个数计算每一类的聚类中心:样本和 / 样本个数计算每个...

2019-05-18 15:01:06 1134 2

转载 CUFFT 浅析

1. 流程使用cufftHandle创建句柄使用cufftPlan1d(),cufftPlan3d(),cufftPlan3d(),cufftPlanMany()对句柄进行配置,主要是配置句柄对应的信号长度,信号类型,在内存中的存储形式等信息。cufftPlan1d():针对单个 1 维信号cufftPlan2d():针对单个 2 维信号cufftPlan3d():针对单个 3 维信号cuf...

2019-05-18 14:07:54 4217 3

转载 全局调整光照亮度

理论部分来自《全景图像拼接关键技术研究》,这里讲了一个全局调整光照亮度的办法,很简单易懂:%AA、BB是两幅原图 左 右%A、B是重叠区域对应在两幅图的位置 A is the left and B is the right.%转换了颜色空间%下面是根据《全景图像拼接关键技术研究》中的亮度调整办法AA=imread('F:\fisheye\others1.jpg');BB=imrea...

2019-04-22 21:50:51 1951

原创 MATLAB读写 多帧TIF 和 RGB多帧TIF

function imwriteTiff(tifimage, filename)i = Tiff(filename, 'w');infostruct.ImageLength = size(tifimage, 1);infostruct.ImageWidth = size(tifimage, 2);infostruct.Photometric = Tiff.Photometric.MinI...

2019-04-21 22:53:30 5274

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

提示
确定要删除当前文章?
取消 删除