华大智造算法岗(实习)一面

文章探讨了ECA的实现步骤,强调了CT格式的特性及dicom文件的配准方法。同时,文章讨论了解决局部特征提取与全局损失平衡的策略。V-net作为一种重要的深度学习模型在图像分割中的应用也得到了介绍。此外,文中还涉及了评估图像增强效果的标准以及常用的图像分割指标。
摘要由CSDN通过智能技术生成

1.ECA的实现过程

2、CT格式的特点,形式,CT的dicom文件怎么做配准?

3、如何平衡局部特征提取和全局损失的问题?

4、V-net原理

5、如何评判图像增强的方式是有效的?哪一种图像增强方式认为最好

6、图像分割的常用指标有哪些?

(还有两个问题忘了是啥了。。。)

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值