- 博客(5)
- 收藏
- 关注
RSS订阅转载 python实战：setup.py文件作用
1.使用pip install 或者python setup.py install安装python依赖库。pip 会自己搜索适合的版本，python setup.py 需要下载源码本地安装，但是python setup.py 适合一键打包安装。来源：https://www.cnblogs.com/potato-chip/p/9106225.html...
2020-12-09 18:31:15
934
转载 python实战：__init__.py的作用
1.标识该目录是一个python的模块包2.简化模块导入操作：如果目录中包含了 init.py 时，当用 import 导入该目录时，会执行 init.py 里面的代码。3.可以在__init__.py 指定默认需要导入的模块4.all 关联了一个模块列表，当执行 from xx import * 时，就会导入列表中的模块，导入操作会继续查找 subpackage_1 和 subpackage_2 中的 init.py 并执行5.可以将初始化代码放入该文件中来源：https://www.cnblo
2020-12-09 18:22:08
106
转载 基于深度学习的医学图像配准学习笔记3
VoxelMorph变形配准（Deformable registration）策略通常包括两步：第一步是可实现全局对齐的仿射变形，然后是具有自由度更高的更缓慢变形变换。本文主要是关心第二步。基于学习就是指经过神经网络训练的(训练就是学习)，训练出来的参数函数是共享的（只需训练一次得到参数，以后配准都使用这些参数）；不基于学习是指传统的配准方法，每次配准都要对度量函数进行优化，参数不共享。由于传统的配准方法是对每一个图像对进行优化，所以速度非常慢。有监督的神经网络训练的方式虽然提升了速度，但需要大量的标
2020-10-07 17:36:52
1682
转载 基于深度学习的医学图像配准学习笔记2
从SIFT到深度学习我们首先介绍基于OpenCV的方法，然后介绍深度学习的方法。图像配准就是找到一幅图像像素到另一幅图像像素间的空间映射关系。这些图像可以是不同时间（多时间配准），不同传感器在不同地方拍摄（多模式配准）。这些图像之间的空间关系可以是刚性（平移和旋转），仿射（例如剪切），单应性（homographies）或复杂的大变形模型（complex large deformations models）。传统的基于特征的方法自21世纪初以来，图像配准主要使用基于特征的方法。这些方法有三个步骤：关
2020-10-06 14:21:13
1295
转载 基于深度学习的医学图像配准学习笔记1
基于深度学习的医学图像配准学习笔记简介配准分类监督学习非监督学习相关问题简介在对同一物体进行医学成像时，由于设备差异、成像角度差异等因素，所以图像可能只能反应物体某个方面的特征。比如，MRI 对软组织成像效果较好，而 CT 对骨骼等成像效果较好。如果想结合两张不同的医学图像的信息进行诊断，就需要丰富的经验。也可以让其中一张图片做变换，使其与另一张图像对齐，然后在得到一张融合了两张图像特征的融合图像。图像对齐的过程就是配准，在配准中保持不变的图像被称为参考图像（fixed image/reference
2020-10-06 12:22:18
1701
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