原创 【深度學習基礎6】深度神經網絡的優化與調參(3)

    轉載請註明出處。謝謝。      本博文根據 coursera 吳恩達 Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Optim

原创 【深度學習基礎4】深度神經網絡的優化與調參(1)

     轉載請註明出處。謝謝。      本博文根據 coursera 吳恩達 Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Opti

原创 【深度學習基礎5】深度神經網絡的優化與調參(2)

     轉載請註明出處。謝謝。      本博文根據 coursera 吳恩達 Improving Deep Neural Networks: Hyperparameter tuning, Regularization and Opti

原创 【深度學習基礎2】神經網絡基礎--淺層神經網絡

        轉載請註明出處。謝謝。         本博文根據 coursera 吳恩達 深度學習整理。作爲理解神經網絡的基礎。         本章主要內容分爲兩個部分,第一理解淺層網絡中的前向和後向傳播規則,尤其要注意其中的標註規

原创 【深度學習基礎3】神經網絡基礎--深度神經網絡DNN

     轉載請註明出處。謝謝。      本博文根據 coursera 吳恩達 深度學習整理。作爲理解神經網絡的基礎。      本章主要基於前兩章的要點,進行了進一步深化,主要難點在實現上,因而簡單分析一下知識點,重點整理實踐部分。

原创 【深度學習基礎1】神經網絡基礎--邏輯迴歸

  本博文根據 coursera 吳恩達 深度學習整理。作爲理解神經網絡的基礎。 一、知識點        深度學習本質上是對數據的一種擬合。使用非線性的函數集合作爲模型,對樣本對進行損失最小的模擬。首先理解單個神經元的作用和原理,可以從

原创 醫學圖像分割常用的損失函數

本文主要介紹醫學圖像中常用的損失函數,包括cross entropy, generalized dice coefiicients, focal loss 等。        一、cross entropy 交叉熵        圖像分割

原创 圖像語義分割綜述(semantic segmentation) 上篇

本文對圖像語義分割近年來的主要發展做一個綜述性的介紹。 翻譯了以下兩篇博文,並進行了整合。 https://www.jeremyjordan.me/semantic-segmentation/  http://blog.qure.ai/n

原创 醫學圖像分割綜述(上)

       醫學圖像分割是醫學圖像處理與分析領域的複雜而關鍵的步驟,其目的是將醫學圖像中具有某些特殊含義的部分分割出來,並提取相關特徵,爲臨牀診療和病理學研究提供可靠的依據,輔助醫生作出更爲準確的診斷。由於醫學圖像自身的複雜性,在分割過