原创 ResNeSt 新的ResNet的變體
在現在語義分割、分類上面的操作的時候Backbone 使用ResNet網絡的有很多，這也是一種很成功的網絡。對於提高網絡的準確率有很好的作用。但是隨着現在技術的發展人們提出了各種的新的ResNet的變體。這裏是一種的新的變體ResNeSt
2020-04-19 12:42:43
原创 視網膜分支動脈阻塞分割框架
因爲疫情的原因，到現在還麼有去院裏正式工作，在家裏老師也催着我寫研究方案，最近看到一篇論文是講視網膜分支動脈阻塞分割的。論文題目是 “A Framework for Classification and Segmentationof Br
2020-02-23 22:01:06
原创 基於條件的對抗生成網絡 Conditional Generative Adversarial Nets
最近在看對抗生成網絡的相關論文，發現一些比較有趣的論文，在這裏跟大家分享一下的。 在經典的生成對抗模型中，往往有兩個模型一個生成模型，它去獲取數據的分佈，然後一個判別模型，它去評估這個樣本來自訓練集的概率。這兩個和模型都是同時訓練，他去調
2020-02-21 08:19:45
原创 GAN 網絡六年總結
今天看到很好的一篇論文，總結了整個GAN六年的發展，主要以計算視覺爲主。論文題目是 The Six Fronts of the Generative Adversarial Networks。大家可以參考一下。如果大家是搞醫學圖像的，還
2020-02-21 08:19:45
原创 anaconda spyder could not Could not Initialize GLX 已放棄（核心轉存）
今天手賤安裝了依賴包，突然把整個anaconda 環境搞奔潰了。然後只能重新安裝，安裝完了以後 打開spyder 出現了could not Could not Initialize GLX已放棄的（核心轉移之類的錯誤）然後科學上網找了一些
2019-10-25 18:27:22
15
原创 爲什麼卷積神經網絡中一般用奇數的卷積核
今天看到一篇比較有意思的文章，也解開了我一直一個疑問：爲什麼現在卷積神經網絡中卷積核都是奇數的。比如3×3,5×5,7×7. 3×3的卷積核也是在VGG證明了用兩個可以代替一個7*7效果更好，且參數還更少。那麼爲什麼沒有人用兩個2×2的卷
2019-10-25 18:27:08
3
原创 VOC 2012數據語義分割和VOC 2012 數據擴增 。10582 for training。benchmark_RELEASE
最近在做語義分割，需要用到VOC2012 數據庫進行處理。發現網上的教程很多也很雜。我在這裏按自己的理解把過程寫出來。 首先是原始的VOC 2012 數據集。大家在網上下載下來解壓以後可以看到幾個文件夾。如下 這裏於一系列的文件夾。
2019-09-15 17:53:10
原创 keras 數據增強 opencv 方法
在進行深度學習時，由於數據量的不足我們往往需要對數據進行增強操作。keras 有自帶的數據增強函數。但是裏面增強很多，我們可控方式也太少。因爲我們往往需要自己進行擴充。下面是使用了opnencv 進行數據增強的方法。 def gamm
2019-09-08 17:47:20
原创 segnet keras 實現
segnet 是早期的一個圖像分割網絡，雖然現在相比於deeplab 等一些大牛的網絡結構的準確度有一定的的下降。但是這是segnet，在早期是有一個很好的圖像分割思路。 其中segnet 和其他網絡最大的區別是使用了一個池化索引的方法
2019-08-09 18:03:05
11
原创 交叉熵、KL散度問題。
最近在研究GAN算法。這其中使用了KL散度等一些概念問題。在網上發現了一個很精彩的解釋。 目前分類損失函數爲何多用交叉熵，而不是KL散度。 首先損失函數的功能是通過樣本來計算模型分佈與目標分佈間的差異，在分佈差異計算中，KL散度是最合適的
2019-07-30 18:33:02
2
原创 GAN 算法
GAN是基於可微生成器網絡的另一種生成建模方式。實際是通過對先驗分佈施加一個運算G, 來擬合一個新的分佈 如果從傳統的判別式網絡的思路出發，只要選定合適的loss，就可以使生成分佈和真實分佈之間的距離儘可能逼近。這裏通常使用了KL散度
2019-07-04 22:36:05
原创 Zero-shot One-shot Few-shot learning 算法去唄
Zero-shot learning 指的是我們之前沒有這個類別的訓練樣本。但是我們可以學習到一個映射X->Y。如果這個映射足夠好的話，我們就可以處理沒有看到的類了 One-shot learning 指的是我們在訓練樣本很少，甚至只有一
2019-06-17 23:35:35
1
原创 RAM: Residual Attention Module 新的注意力模型
現在注意力模型在計算機視覺領域應用的越來越廣泛了。不光在圖像分割，其他領域也應用的比較多。RAM這篇文章是應用在圖像超分辨率上。這是因爲應用到圖像超分辨領域的注意力模型大都沒有考慮超分辨和其它高層計算機視覺問題的天然不同。 作者提出了一個
2019-06-10 20:06:11
2
原创 卷積神經網絡的理解 Squeeze-and-Excitation (SE)網絡
對於CNN網絡來說，其核心計算是卷積算子，其通過卷積核從輸入特徵圖學習到新特徵圖。從本質上講，卷積是對一個局部區域進行特徵融合，這包括空間上（H和W維度）以及通道間（C維度）的特徵融合 我們可以發現卷積實際上是對局部區域進行的特徵融合。
2019-05-15 02:12:09
2
原创 Non-local Networks Meet Squeeze-Excitation Networks and Beyond 論文解讀。
最近關注到了這篇論文，發現這篇論文挺有意思的。因此在這裏按我的理解說說這篇論文。這裏不做論文完整的翻譯。 GCNet 網絡結構結構了non-local network和Squeeze-excitation networks.我們知道n
2019-05-09 22:58:10
2