![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络与深度学习
何方圆
这个作者很懒,什么都没留下…
展开
-
U-Net:用于生物医学图像分割的卷积网络
英文原文链接: U-Net: Convolutional Networks for Biomedical Image SegmentationAuthor—Olaf Ronneberger, Philipp Fischer, and Thomas Brox Computer Science Department and BIOSS Centre for Biological Signalling Studies, University of Freiburg, Germany ronneber@inf翻译 2020-07-05 15:54:25 · 3399 阅读 · 0 评论 -
基于U-Net的递归残差卷积神经网络在医学图像分割中的应用
摘要基于深度学习(DL)的语义分割方法在过去的几年里已经提供了最先进的性能。更具体地说,这些技术已经成功地应用到医学图像的分类、分割和检测任务中。一种深度学习技术,U-Net,已经成为这些应用中最流行的技术之一。本文提出了一种基于U-Net的递归卷积神经网络(RCNN)和基于U-Net模型的递归残差卷积神经网络(RRCNN),分别命名为RU网和R2U网。该模型利用了U网络、残差网络和RCNN的优点。对于分段任务,这些提出的体系结构有几个优点。首先,在训练深层架构时,剩余单元会有所帮助。第二,利用递归残差卷积翻译 2020-07-03 19:09:52 · 7377 阅读 · 2 评论 -
简单神经网络
简单神经网络tf.random_normal()函数用于从“服从指定正态分布的序列”中随机取出指定个数的值。tf.random_normal(shape, mean=0.0, stddev=1.0, dtype=tf.float32, seed=None, name=None)x = tf.random.normal([2,784])tf.Variable(initializer,name),参数initializer是初始化参数,name是可自定义的变量名称。tf.random.truncate原创 2020-07-02 09:07:57 · 281 阅读 · 0 评论