CV科研知识点总结(个人研究所有相关知识点)

本文记录了研究生三个月以来的学习心得,涉及全连接网络与卷积网络的关系、生成对抗网络在图像分割的应用,以及Python实用函数和PyTorch中的数据处理技巧。重点探讨了标准化、归一化、正则化的区别与联系,并解析了PyTorch中transforms.Normalize的计算过程。此外,还分享了自监督学习的代码参考及医学图像分割的最新研究。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

2022/11/23 7:24
研究生的生涯已经开始三个月了,自己并没有一个很明确而充实的规划,学习也显得效率很低。
先写点小trick,之后在这学期期末整体进行总结

全连接网络和卷积网络的关系

一篇博客

生成对抗网络(GAN)在分割上的应用

一篇博客

一些好用的函数(方法 )

标记轮廓:

Python skimage.segmentation.find_boundaries 用法及代码示例

Python 中 typing 模块和类型注解的使用:

Python 中 typing 模块和类型注解的使用

标准化、归一化、正则化 的区别与联系:

标准化、归一化、正则化 的区别与联系
pytorch中归一化transforms.Normalize的真正计算过程

pytorch中的Dataloader以及可视化理解:

pytorch官方文档的示例

dataloader

自监督学习很好的代码参考

Mean teachers代码分析
Patch-Free 3D Medical Image Segmentation(MICCAI 2021)

评论 1
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