![](https://img-blog.csdnimg.cn/20201014180756926.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
日常休闲
文章平均质量分 84
HuiYu-Li
Huiyu flipped for Liu
展开
-
Two different Python packages for distance transform: scipy and mahotas
scipy和mahotas都实现了distance transform,但从图示来看,计算结果还是稍微有所差别的,个人比较倾向于使用scipy。Codeimport SimpleITK as sitkimport numpy as npimport mahotasfrom scipy.ndimage import distance_transform_edtimport matplot...原创 2020-04-29 15:17:55 · 478 阅读 · 0 评论 -
Puddings收获
缘起:语义分割+形状先验,三个样本。我先想到的是level set,因为“形状先验”这个字眼;而后试了一下distance transform+watershed,因为我真的很喜欢dismap。But, 这两个方案都是非监督,无法handle语义分割,因为无法判别分割出来的某个部分是前景还是背景。而后溜达了一眼我的博客,因为那里有史上最全传统图像分割。我只有三个样本,还是自己造的,deep l...原创 2020-04-23 21:06:38 · 236 阅读 · 0 评论 -
scipy.ndimage.measurements.find_objects()
scipy.ndimage.measurements.find_objects()从标签数据,确切地说是从打上标签的连通成分中,输出各个连通成分的最小边界框。import numpy as npfrom scipy.ndimage.measurements import label,find_objectsseg_array = np.array([[[1, 1, 1, 1, 0, 0],...原创 2019-12-21 20:43:13 · 1140 阅读 · 1 评论 -
Python shuffle() 函数
描述shuffle() 方法将序列的所有元素随机排序。语法import randomrandom.shuffle (lst )注意:需要导入 random 模块,然后通过 random 静态对象调用该方法。shuffling 每次都能获得相同的结果使用随机模块的random.seed()方法,每次洗牌都可能产生相同的结果。import randomlist = [1,2,3,4...原创 2019-12-07 15:32:00 · 534 阅读 · 0 评论 -
四连通与八连通
本人经常把四连通与八连通的作用搞混,所以在此用demo做个笔记。from scipy.ndimage.measurements import labelfrom scipy.ndimage.morphology import generate_binary_structureimport numpy as npa = np.array([[0,0,1,1,0,0], ...原创 2019-11-28 19:00:52 · 1052 阅读 · 0 评论 -
L1 loss VS L2 loss; L1 regularization VS L2 regularization
L1 和L2 既可以作为 loss function 也可以作为 reguarizationL1 loss VS L2 loss公式比较鲁棒性:L1 更鲁棒,因为L2 的误差会平方增长。当存在离群点(outliers)的时候,这些点会占loss的主要组成部分, 使用梯度下降法求解的时候梯度很大,可能导致梯度爆炸.。稳定性(数据集的一个小的移动):L2 是比L1 具有更好的性质。收敛...原创 2019-11-22 19:59:31 · 736 阅读 · 0 评论 -
两个相反的通道无法求Distrance transform
场景:图像分割,一般会用将groud truth编码为背景通道和前景通道现对groud truth计算Distrance transformfrom scipy.ndimage import distance_transform_edtimport torchtemp1 = torch.from_numpy(seg_array == 2).view(1,DHW[0],DHW[1],DHW[...原创 2019-11-20 20:20:53 · 178 阅读 · 0 评论 -
Python计算并绘制灰度直方图
灰度直方图灰度直方图是关于灰度级分布的函数,将数字图像中的所有像素,按照灰度值的大小,统计其出现的频率。其中,横坐标是灰度级,纵坐标是该灰度级出现的频率。如果将图像总像素亮度(灰度级别)看成是一个随机变量,则其分布情况就反映了图像的统计特性,这可用probability density function (PDF)来刻画和描述,表现为灰度直方图。OpenCV计算并绘制直方图import c...原创 2019-11-09 21:49:27 · 15999 阅读 · 0 评论 -
Python glob 递归遍历匹配文件;os.makedirs()递归创建目录
简约版在python中,glob模块用来查找匹配文件常用的匹配规则:: 匹配所所有? : 匹配一个字符如果没有匹配的,glob.glob(path)将返回一个空的list:[]from glob import globfile_path = "/home/lihuiyu/Code/results_S2_W20040/*/*.pth"print(glob(file_...原创 2019-11-08 22:45:25 · 1592 阅读 · 0 评论 -
Code Pieces OnGoing
进度条from tqdm import tqdmpbar = tqdm(total=total_iter) # Initialisepbar.update(1)pbar.set_description("%s" % outer_name+'-'+inter_name)pbar.close()时间显示import timestart_time = time.time()p...原创 2019-11-06 23:07:59 · 205 阅读 · 0 评论 -
有趣的tqdm进度条库让python进度可视化
tqdm官网地址:https://pypi.org/project/tqdm/Github地址:https://github.com/tqdm/tqdmimport timefrom tqdm import tqdmfrom tqdm._tqdm import trangefor i in trange(1000):# trange(i) 是对tqdm(range(i)) 特殊优化过的...原创 2019-11-03 11:39:59 · 384 阅读 · 0 评论 -
python数据类型转换——矩阵float转int
1、查看数据类型array.dtype2、转换数据类型array = array.astype(np.uint8)参考:NumPy 数据类型原创 2019-10-26 21:11:13 · 25545 阅读 · 2 评论 -
python复制文件到指定目录
主要函数:shutil.copyfile(srcFilePath,dstFilePath)import osimport shutiloldseg_path = "/media/lihuiyu/sda4/LITS/Training_dataset/"newseg_path = "/media/lihuiyu/sda3/LiTS/Valid_seg/"for i in range(9):...原创 2019-10-26 17:55:16 · 3070 阅读 · 0 评论 -
我多想时光都可以典当,你回来带我赎回过往
Good morning, everyone! My name is lihuiyu, I’m very glad to be here for this conference. My topic today is DSFPSO: An Improved Particle Swarm Optimization with Dynamic Scale-free Network for Detect...原创 2019-10-09 03:04:11 · 463 阅读 · 0 评论 -
word 两端对齐 过长的单词中加分隔符
本文旨在解决word两端对齐排版中,某些行字符间距过大的问题,如下图所示。方案一:布局>断字>自动(推荐)方案二:开始>段落>允许西文在单词中间换行但此方法不会在断词中间自动添加连接符,不推荐。...原创 2019-10-06 09:37:46 · 6040 阅读 · 1 评论 -
python按行读取文件,如何去掉换行符"\n"
for line in file.readlines(): line=line.strip('\n')原创 2019-09-12 10:35:29 · 3506 阅读 · 0 评论 -
旧时书信用语
开头语喜接来函,不胜欢慰。顷接手示,甚欣甚慰。顷接手示,如见故人。得书之喜,旷若复面。久不通函,至以为念。前上一函,谅已入鉴。顷奉惠函,谨悉一切。惠书敬悉,情意拳拳。昨得手书,反复读之,拳拳盛意,感莫能言。数奉手书,热挚之情,溢于言表。棒读惠书,欣慰无量。顷奉手教,敬悉康和,至为欣慰。久未闻消息,唯愿一切康适。手书已接多日,今兹略闲,率写数语。不日前曾奉一函,意其已抵左右。顷接手教,敬悉一切。接...原创 2019-09-04 10:08:38 · 3759 阅读 · 0 评论 -
书信:欲寄彩笺兼尺素,山长水阔知何处
中国传统书信中国传统书信一般包括:称谓语、提称语、思慕语、正文、祝愿语、署名。旧时书信格式及其谦词敬语古代书信用语大全中文书信格式:称呼:顶格(可加限定或修饰词,如亲爱的)问候语:独立成段,如“你好“正文祝颂语:以“此致“,”敬礼“为例。”此致“有两种写法:1)紧接正文之后,不另起段,不加标点;2)正文之下另起一段。”敬礼“顶格书写在”此致的下一行,后加惊叹号,表示祝颂的诚意...原创 2019-09-03 21:52:48 · 432 阅读 · 0 评论 -
Github+Hexo搭建个人博客
Huiyu带你一小时搭建个人博客。原创 2019-06-16 12:17:08 · 704 阅读 · 0 评论 -
希望你配得上走过的曾经,找到自己喜欢的节奏
想想过往时光里的跌跌撞撞,我仍会好奇,究竟哪一段经历,最蚀骨刺心?而我又将在何时,遇见最绝望的时刻,从此以后,身披铠甲,无所畏惧?或许真是可惜,我健忘,习惯选择性遗忘,不论生活给过我哪些喜乐忧伤,我总能拿起时间的筛网,只收留最美好的模样。于是,习惯相信美好,相信明天,相信未来。不论过往经历过何种磨难,总可以保留未曾受伤的模样。我从未麻木过,只是习惯用温暖的心灵去领会一切。你呀,你呀,要对得起...原创 2019-06-16 19:42:36 · 170 阅读 · 0 评论 -
拥抱压力,幸福满溢
现在才发现,当年考研的日子应当幸福满溢。哪有半点折磨之说,更多的是因为日久生情而驻留的恋恋不舍,不管是令我敬仰的高数,还是我拿手的专业课。走过一天,互相陪伴的日子,就越来越接近终点,难怪考研结束,回到空无一人的宿舍,是肆意的哭泣,当时找不到原因,现在方然醒悟。舍不得,舍不得厚厚的书本,舍不得纯净的日子,舍不得匆忙的脚步,舍不得奋斗的灵魂,舍不得挚友的陪伴。今早自然醒来,叫醒闹钟,又一次吃到了新食...原创 2019-06-21 19:59:44 · 168 阅读 · 1 评论 -
Python将打印输出导向日志文件
方法一:利用sys.stdout将print行导向日志文件中import sys# make a copy of original stdout routestdout_backup = sys.stdout# define the log file that receives your log infolog_file = open("message.log", "w")# red...原创 2019-08-19 18:17:18 · 446 阅读 · 0 评论 -
强化学习Reinforcement Learning
什么是强化学习?强化学习是机器学习的一种学习方式,它跟监督学习、无监督学习是平级关系。但强化学习和监督学习、无监督学习 最大的不同就是不需要大量的“数据喂养”。而是通过自己不停的尝试来学会某些技能。强化学习算法的思路非常简单,以游戏为例,如果在游戏中采取某种策略可以取得较高的得分,那么就进一步「强化」这种策略,以期继续取得较好的结果。这种策略与日常生活中的各种「绩效奖励」非常类似。强化学习...原创 2019-08-16 10:21:15 · 993 阅读 · 0 评论 -
神经网络的权重初始化
神经网络的权重初始化方法对(weight initialization)对模型的收敛速度和性能有着至关重要的影响。因为,神经网络其实就是对权重参数w的不停迭代更新,以期达到较好的性能。在深度神经网络中,随着层数的增多,我们在梯度下降的过程中,极易出现梯度消失或者梯度爆炸。因此,对权重w的初始化则显得至关重要,一个好的权重初始化虽然不能完全解决梯度消失和梯度爆炸的问题,但是对于处理这两个问题是有很大...原创 2019-08-16 20:25:56 · 622 阅读 · 0 评论 -
List sort(),sorted(),字符串数字排序
字符串数字排序import redef atoi(text): return int(text) if text.isdigit() else textdef natural_keys(text): return [ atoi(c) for c in re.split('(\d+)', text) ] alist=[ "something1", "s...原创 2019-08-17 15:10:19 · 3279 阅读 · 0 评论 -
字符串匹配和搜索
简单字符串匹配对于简单的字符串匹配,通常只需要调用基本字符串方法就行, 比如 str.find() , str.endswith() , str.startswith() 或者类似的方法。详见:Python 字符串http://www.runoob.com/python/python-strings.html复杂的字符串匹配对于复杂的匹配需要使用正则表达式和 re 模块。核心步骤就是先...原创 2019-08-26 18:46:25 · 172 阅读 · 0 评论 -
Hexo配置Gitalk插件
欢迎访问Huiyu的博客,欢迎留言!我留给自己的承诺是,等开通了留言插件,就开始公开这个博客,以及多面的我。今天我会在这里记录一下Gitalk留言插件的开通流程。个人博客中可用的留言插件有很多种:Gitalk、Gitment、Valine 、Disqus。。。推荐使用Gitalk.1. GitHub Application首先,拥有自己的Github账号,然后点击此处申请。申请页面的...原创 2019-08-30 19:05:54 · 458 阅读 · 0 评论 -
让Google搜索到GitHub上的个人博客
本文介绍如何将GitHub上的博客提交给Google。由于Github屏蔽了Baidu的爬虫,所以本文暂且不做介绍。验证网站是否收录打开Google,输入site:https: //user.github.io/如果提示:找不到和您查询的 site:https: //user.github.io/ 相符的内容或信息。或者没有搜到自己的博客,则说明说明未被收录,需要进行以下操作。Google...原创 2019-08-30 20:20:18 · 3609 阅读 · 1 评论 -
像素间各种距离的定义及计算方法
像素是一幅数字图像最基本的构成元素。理解像素间的一些基本关系是进行数字图像处理的基础和关键。如相邻像素(像素的邻域),像素的邻接性、连通性、区域和边界。本篇博文主要关注像素间各种距离的定义。像素距离的定义对于像素p(x , y),q(s , t),z(v , w),用D(p , q)来表示像素p , q间的距离,像素间距离的(D(x , y)应满足的如下条件:D(p , q) ≥ 0....原创 2019-09-01 18:49:35 · 30702 阅读 · 0 评论 -
Distance Transforms二值图像的距离变换及其应用
简介二值图像距离变换的概念由Rosenfeld和Pfaltz于1966年在论文中提出,其主要思想是通过表识空间点(目标点与背景点)距离的过程,最终将二值图像转换为灰度图像。变换的结果是得到一张与输入图像类似的灰度图像,但是灰度值只出现在前景区域,并且越远离背景边缘的像素灰度值越大。距离变换按照距离的类型可以分为欧式距离变换(Eudlidean Distance Transfrom)和非欧式距离...原创 2019-09-01 19:12:44 · 5833 阅读 · 0 评论 -
Hausdorff Distance豪斯多夫距离
Hausdorff距离是描述两组点集之间相似程度的一种量度,它是两个点集之间距离的一种定义形式。双向Hausdorff距离定义为H (A, B) = max { h (A, B), h (B, A) },是Hausdorff距离的最基本形式,式中的h(A,B)和h(B,A)分别称为从A集合到B集合和从B集合到A集合的单向Hausdorff距离.即h(A,B)实际上首先对点集A中的每个点ai...原创 2019-09-01 19:55:46 · 2392 阅读 · 0 评论 -
爱在别离时
只怕形色匆匆,人群中再也找不到你的身影;只怕时光匆匆,玉碎蒙尘再也来不及说爱你。原创 2019-06-19 21:08:57 · 167 阅读 · 0 评论