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

-+
  • 博客(7)
  • 收藏
  • 关注

原创 虚拟机一段时间不用,再次打开连接不上网络

虚拟机中ubuntu连接不上网络虚拟机连接不上网路问题这里就要考虑两种问题:一种是可能是本机的虚拟机服务器的网络端口处于禁用状态。第二种问题虚拟机连接不上网路问题一段时间没有使用虚拟机,在进行项目需要用到虚拟机安装远程服务的时候,发现网络总是连接不上。 而且在虚拟机中的网卡设置中,网络连接的模式,桥接模式,或者NAT模式都没有错误。 这里就要考虑两种问题:一种是可能是本机的虚拟机服务器的网络端口处于禁用状态。cdm打开 services.ms 查看VMware NAT Ser

2022-05-15 11:31:41 1270

原创 MySQL在登录界面输入密码时闪退

问题安装完MySQL之后一段时间不使用,在登录界面,输入密码的时候闪退,连接不了网络。并且使用SQLyog的时候连接不上数据库:问题解决 出现以上问题的原因可能是MySQL的服务器没有启动,这个时候我们可以看一些服务器是否启动,是否需要手动启动。接下来,进入服务器界面 win+R,输入services.msc:之前我的MySQL的服务器是处于禁止状态的,这个也是之前数据库连接不了的原因。这里是我修改过的。...

2022-04-15 21:48:02 1670

原创 深度学习应用在图像分割上的网络模型概述

深度学习在图像分割上的模型概述在这里主要介绍一下,深度学习在图像分割方面的一些主要模型。摘要图像分割是图像处理和计算机视觉的领域的一个重要课题,其应用主要包括场景理解,医学图像分割,机器人感知,视频监控,增强现实和图像压缩等。这篇文章主要主要回顾了基于深度学习模型的图像分割方法。图像分割主要包括三种:1,语义分割:简单来说就是对图像中的像素点进行分类。就是把图像中每个像素赋予一个类别标签(比如汽车、建筑、地面、天空等),比如下图就把图像分为了草地(浅绿)、人(红色)、树木(深绿)、天空(蓝色)等

2021-12-06 14:10:45 5924

原创 使用OpenCV创建虚拟键盘

使用OpenCV创建虚拟键盘一个很有意思的项目,链接里面有项目介绍,以及源代码。有兴趣的可以看看。(转载)linkhttps://bbs.cvmart.net/articles/5836

2021-12-01 14:05:51 2859

原创 UNETR: Transformers for 3D Medical Image Segmentation

UNETR: Transformers for 3D Medical Image Segmentation[代码地址]:(https://monai.io/research/unetr)摘要自过去十年以来,具有收缩和扩展路径的完全卷积神经网络(FCNN)在大多数医学图像分割应用中显示出突出的地位。在FCNNs中,编码器通过学习全局和局部特征以及可由解码器用于语义输出预测的上下文表示来发挥不可或缺的作用。尽管它们取得了成功,但FCNN中卷积层的局部性限制了学习长程空间依赖性的能力。受自然语言处理转换器(

2021-11-29 11:35:13 4330

原创 Organ at Risk Segmentation for Head and Neck Cancer using Stratified Learning and Neural Architectur

Organ at Risk Segmentation for Head and Neck Cancer using Stratified Learning and Neural Architecture Search摘要风险器官(OAR)分割是头颈部(H&N)癌症放射治疗中的关键步骤,放射肿瘤学家之间的不一致性和高昂的劳动力成本推动了自动化方法。然而,使用标准全卷积网络工作流的领先方法在桨数变大时受到挑战,例如,OAR个数大40的时候于对于这种情况,可以从手动临床OAR描绘中看到的分层方法中获得

2021-11-24 12:53:18 1807 1

原创 python中的utf-8编码和压缩解压字符串

1,导入了zlib模板import zlibs = b’hello world!hello world!hello world!hello world!’t = zlib.compress(s)print(t)print(zlib.decompress(t))输出结果#b’x\x9c\xcbH\xcd\xc9\xc9W(\xcf/\xcaIQ\xcc \x82\r\x00\xbd[\x11\xf5’#b’hello world!hello world!hello world!hello wo

2020-11-16 16:05:50 629

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