原创 醫學圖像處理與分析:現有的各種醫學成像手段及其優缺點

現有的醫學成像手段主要有X射線、電子計算機斷層掃描(CT)、磁共振成像(MRI)、單光子發射計算機斷層顯像(SPECT)、正電子發射型計算機斷層顯像(PET)、超聲成像(Ultrasound)等。 (1)X射線: X光檢查是傳統的影像學檢

原创 傳統基本圖像處理方法:圖像增強(灰度變換、直方圖增強、空間域濾波、頻率域濾波)、圖像分割、圖像配準等

圖像處理設計主要有以下幾種處理:圖像增強(灰度變換、直方圖增強、空間域濾波、頻率域濾波)、圖像分割、圖像配準等等。 圖像增強: 圖像增強作爲基本的圖像處理技術,目的在於通過對圖像進行加工使其比原始圖像更適合於特定應用,即圖像灰度增強是根據

原创 Ubuntu16.04系統下Anaconda2(Python2.7)中搭建Tensorflow(1.2.0)環境

(背景:當前科研工作中要復現一篇Paper,對於環境要求是Python-2.7 + Tensorflow-1.2.0。) 1、在當前的python環境下創建tensorflow子環境(務必指明python版本): conda creat

原创 Linux系統使用和環境配置指南(不斷補充ing)

一、必備命令: 1、安裝Python包: (1)apt-get可以用來安裝軟件、更新源,也可以用來更新自Ubuntu的典型依賴包: sudo apt-get install python-skimage (2)Pip installs

原创 圖像種類介紹:RGB圖像、全色圖像、高/多光譜圖像

轉載自:https://blog.csdn.net/Chaolei3/article/details/79404806 RGB 圖像 首先提出一個問題可以通過 RGB 圖像恢復高光譜圖像嗎?  一句話就是 RGB 圖像本身就不包含高光譜的

原创 RFBNet——提升感受野複雜度 (目標檢測)one/two-stage)(深度學習)(ECCV 2018)

論文名稱:《 Receptive Field Block Net for Accurate and Fast Object Detection 》 論文下載:https://arxiv.org/pdf/1711.07767.pdf 論文代

原创 Relation-Network——目標之間存在相對關係 (目標檢測)(one/two-stage)(深度學習)(CVPR 2018)

論文名稱:《 Relation Networks for Object Detection 》 論文下載:https://arxiv.org/pdf/1711.11575.pdf 論文代碼:https://github.com/msrac

原创 RefineDet——one-stage和two-stage的結合 (目標檢測)(one-stage)(深度學習)(CVPR 2018)

論文名稱:《 Single-Shot Refinement Neural Network for Object Detection 》 論文下載:https://arxiv.org/abs/1711.06897 論文代碼:https://

原创 SSD——樣本正負比控制+多尺度檢測 (目標檢測)(one-stage)(深度學習)(ECCV 2016)

論文名稱:《 SSD: Single Shot MultiBox Detector 》 論文下載:https://arxiv.org/pdf/1512.02325.pdf 論文代碼:https://github.com/weiliu89/

原创 YOLOv3細節探究(長期持續更新)

1、更改bbox的線寬,在src文件夾中的image.c文件裏的draw_detections函數裏,"int width = im.h * 0.002 ”,更改此數值可以達到目的。 2、V3中的shortcut層,與resnet層略有區

原创 OverFeat——全卷積首次用於檢測問題 (目標檢測)(深度學習)(ICLR 2014)

論文名稱:《 OverFeat:Integrated Recognition, Localization and Detection using Convolutional Networks 》 論文下載:https://arxiv.or

原创 Soft-NMS——解決目標遮擋問題 (目標檢測)(one/two-stage)(深度學習)(ICCV 2017)

論文:《 Improving Object DetectionWith One Line of Code 》 論文下載:https://arxiv.org/abs/1704.04503 論文代碼:https://github.com/bh

原创 目標檢測評價指標:mAP、Precision、Recall、AP、IOU等

目標檢測評價指標:   準確率 (Accuracy),混淆矩陣 (Confusion Matrix),精確率(Precision),召回率(Recall),平均正確率(AP),mean Average Precision(mAP),交除並

原创 YOLT——YOLO系的遙感圖像應用 (目標檢測)(one-stage)(深度學習)(CVPR 2018)

論文名稱:《 You Only Look Twice: Rapid Multi-Scale Object Detection In Satellite Imagery 》 論文下載:https://arxiv.org/abs/1805.0

原创 RetinaNet——Focal Loss 解決"類別不平衡" (目標檢測)(one-stage)(深度學習)(ICCV 2017)

論文名稱:《 Focal Loss for Dense Object Detection 》 論文下載:https://arxiv.org/pdf/1708.02002.pdf 論文代碼:https://github.com/facebo