- 博客(80)
- 收藏
- 关注
RSS订阅原创 深度学习调参调什么
卷积采样过程的通道数：16——32——64——128；32——64——128——256（实际应用中需通过消融实验确定最优配置，尤其在处理小样本医学数据时，过大的通道数容易导致过拟合。学习率：0.00001，0.0001，0.001，0.01，0.1。
2025-03-04 10:52:19
106
原创 SCU数字图像处理课后题（研究生期末
数字信号课后题答案：https://blog.youkuaiyun.com/weixin_56463218/category_12278275.html
2025-01-06 08:55:21
126
原创 深度学习，医学图像分割创新
是 不做pooling损失信息的情况下，加大了感受野，让每个卷积输出都包含较大范围的信息。在图像需要全局信息或者语音文本需要较长的 sequence 信息依赖的问题中，都能很好的应用dilated conv。其他************
2025-01-03 10:46:49
307
原创 linux下安装 mamba，causal-conv1d包（whl）
Linux环境下粘贴操作，ctrl + V 后，点击鼠标右键，就是粘贴了。conda install 文件名.whl。用whl离线下载的包，就是上面两个链接。
2024-12-01 12:32:46
380
原创 UltraLight VM-UNet: Parallel Vision MambaSignificantly Reduces Parameters for Skin LesionSegmentat
它的核心思想就是将通道数分为4个部分，然后进行平行计算，从而降低参数量，计算量。这篇文章主要讲的是一个轻量化模型，它旨在尽可能保证准确率 的同时，大幅度降低模型的参数量，进而降低计算成本。这篇文章轻量化，或者说减少参数的方式，主要是提出了一个PVM模块，它是让X分成几个并行的通道，然后共享参数，这使得参数大大降低，进而实现轻量化。先用卷积模块提取浅层信息，其中每次卷积，都包含了一个3x3的卷积核，以及一个最大池化操作。Q：模型的参数量怎么计算的，怎么这样之后就大幅度降低了总的参数量了呢？
2024-11-22 16:21:33
192
原创 读Ultralight VM-UNet代码有感proj函数
self.proj = nn.Linear(input_dim, output_dim)#线性映射到输出维度，输出维度是主观设定的，后续需要几维，就写几维。self.proj（）函数是一个特征映射函数。他的作用是讲输入的特征映射（转换）到另一个特征空间。----这个其实也类似1X1卷积核。
2024-11-21 09:30:53
165
原创 LightM-UNet: Mamba Assists in LightweightUNet for Medical Image Segmentation
经过瓶颈块模拟远程依赖关系，同时保持特征图大小不变。然后，经过三个解码器模块，来解码恢复图片的分辨率和特征。没经过一个解码器，通道数减半，分辨率为原来2倍。最后三个通道数，分辨率和原图片一样，最后，利用DWConv层将通道数映射到分割目标数，并应用softMax激活函数生成图像掩码。同时也利用了跳连接，为解码器提供多级特征映射。先通过深度卷积(DWConv）提取浅层的特征信息，生成特征图，然后通过三个编码快来提取深度特征信息。经过每个编码器，特征映射中的通道数量加倍，而分辨率减半。
2024-11-13 14:53:42
217
原创 2024.10.24深度学习笔记
3X3卷积和1X1卷积常串联，这样的结构通常称为瓶颈结构或Squeeze-and-Excitation模块。Q：1X1卷积和3X3卷积有什么不同？
2024-11-12 10:33:32
245
原创 跟着导师学东西，学什么怎么学
哪些是底线，哪些是可以妥协的。反复学习分类一些重要资料，高级别的科研课题中标的申报书，项目咨询招投标的资料，，规范，标准的征询意见稿。不要羞于求助，内心戏不要太多，要多表达，让别人知道自己干了什么（至少别人知道什么做对了，什么做错了）导师做汇报工作的时候，看他节奏感控制，主次是否分明，详略是否得当，能否现场进行发散和拓展。导师做指令下达性质工作时，体现出的内容是否具备全面性，完整性是否高效。老师也是人，平等对待，祛魅，他们是帮助我们的，要以我们自己为中心。研二学就业知识，找实习企业，（优先外企，实习。
2024-10-17 22:18:48
179
原创 深度学习到底是怎么实现训练模型的（以医学图像分割为例
ground truth 相当于就是参考答案， 对答案后修正原来的认知（也就相当于修正参数，具体怎么才是往差距更小的方向去修正，就是更新函数的事，直接调用不用管），修正后又继续做其他的，更多的练习题，知道给这个板块的“知识”学会（也就是得到了一组参数，使得模型每次做题较好）。（最开始会随便初始化一个a,b参数值）通过输入原图片（相当于输入x0的值）， 会得到一个函数值f0，然后再通过让f0与应该得到的真实值y0（也就是ground truth对应的值（要知道图片也是一个一个的值组成的哈））
2024-10-17 21:55:14
612
原创 LATEX的子图并排错乱
如果多个子图排列方式还是有点乱：如11张图拍成了31331.则就在子图之间合适的位置加\quad会有效果。子图并排，一般就调整子图大小就自动上去并排了。
2024-10-16 23:13:17
462
原创 （怎么从0构建起框架1：）读VM-UNet: Vision Mamba UNet for Medical Image Segmentation有感
而这篇文章主要其实就是没有自己的东西，就是纯纯的提取核心部分套上Unet结构。VSS模块包括SS2D模块，相当于什么都没动，原封不动的提出，搬运。（下图是VMamba原文图）文中提到VMamba的主要核心部分就是Mamba，而Mamba的核心部分就是VSS模块，而VSS模块的核心部分就是SS2D。全文也没做过多的对比和细节，主要就是对各个部分进行介绍。所以当前行核心任务就是把代码看懂，哪一块对应那一块。
2024-10-09 12:41:32
278
原创 2024/9/24有关1x1卷积核
还有个作用就是降低通道数，当被卷积的对象有多个通道时，1x1x通道数 进行卷积，可以得到一个只有一层的featuremap。（下图也来源于上面博客）1. 实现升维或降维（注：卷积核的通道数一定是和被卷积的对象通道数相同的）（一个卷积核卷出来就是一个通道，n个卷积核卷出来就是n个通道，所以卷积核个数大于原来的通道数就是升维，小于就是降维）3.减少卷积核参数（卷积后通道数变小了，这样下一个再卷积的卷积核不久参数变少了（因为卷积核的通道数要和被卷积的通道数一样））
2024-09-24 12:51:14
368
原创 【纯小白论文代码带读】医学图像分割MASDF-Net（问题产生及解决）
大致就是：黑白的就是不同像素点，按顺序存储0，1.彩色的就是RGB的三个值（到时候会建立三个通道，不同通道代表不同的颜色值）。---------------------------进入process.py----------------里面的图片具有代表性，独特性，全面，随机的，独立于前两个数据集。验证集是用于模型选择和超参数调整的数据集，用于研究人员评估模型配置的性能，并选择最佳的模型（参数）。A：不可以调换，因为不同的数据集具有不同的特点，就像单元练习题，月考题，高考题能一样吗。
2024-09-19 22:19:29
1059
原创 读mamba有感，自然而然产生的问题及答案。
（transformer虽然可以并行计算，但是由于其位置的编码， 交叉的联系，并且，Transformer并不会对记录的历史记录进行压缩（相当于就是，会保存并利用整个序列的历史信息，而不是只是用一个固定大小的状态或摘要总结来代表历史信息，好处是更全面地理解上下文，坏处就是计算效率低）。当然结构也有一定变化。S6就是沿用S4（为了合适当然应该也微调了），然后从SSM的几个参数下手，微调结构，把参数改成函数，然后就实现了自适应（或者说是有选择性的处理）。Q:S4的全称是什么，S6又是什么，和SSM有什么联系？
2024-09-19 13:21:09
566
原创 研究生科学提问及科研思路的来源
文章提出的模型或算法都具有两面性，有性能大多数都伴随计算复杂，效率低下。反之亦然，所以可以通过相同功能的方法或者正则项的替换调整，来强调另一方面的优势。Q：这文章的模型架构是怎么一步步构建想到的？是怎么从简单到复杂，再到整个网络模型的搭建的？这些部分的设置从无到有的心路历程可以分享下吗？
2024-09-18 13:58:52
295
原创 2024/9/16论文赏析（均为1区或顶刊
多器官分割：发现的问题：在医学图像分割任务中，有标记的器官是有限的，未标记的器官就不容易识别出来（因为背景也往往是没有标记的），特别是对于器官和背景边界不清晰的情况下。2.设计了一种基于原型的分布对齐方法，该方法隐式地促进了对齐和紧凑特征表示的学习。解决问题：文章提出了一种 标记到未标记的分布对齐（LTUDA）框架，文章主要是通过特征分布对齐和增强判别能力来解决这一挑战。创新点（文章贡献）：1.提出了交叉集数据增强来桥接标记像素和未标记像素的分布。
2024-09-18 13:58:30
541
原创 《 FCA-Net:Fullycontext-aware feature aggregation networkformedical segmentation》论文阅读
文章来源：Redirecting摘要：准确的对皮肤肠镜图片进行图像分割，有利于后续的治疗。虽然高效的皮肤和息肉图像分割方法已经提出了一些，但仍然面临着巨大的挑战。皮肤损伤和息肉经常又不同的大小和形状，在背景和损伤区域之间缺乏一个清晰的边界。未来解决这个问题，本文提出了一个全局特征提取网络。该网络又三个创新设计：1.边界预测模型（EPM），2.边界主导特征提取模型（BFAM），3.迭代上下文模型（ICAM）。EPM提取初始边界从高维和低维特征中提取，BFAM分离边界信息到分割网络中，加强这些不同层次的
2024-08-25 18:37:55
1030
1
原创 《从U-Net到Transformer：深度模型在医学图像分割中的应用综述》论文阅读
本文主要对近七年U型网络改进工作，Transformer与U型网络的结合，在Synapse和ACDC数据集上进行对比实验，最后证明transformer在图像分割上更有优势。创建新变体过程如旋转，剪切，擦除，噪点引入，遮挡，弹性变形，缩放等。黄高博士在DenseNet［26］中提出，在神经网络 中，先前层与后续层相连接共同作为下一层的输入，通过最大 化信息流以消除梯度消失，并加强特征传播、鼓励特征重用。，它不受限于局部区域，能够在整个图像范围内建立特征之间的联系，这有助于提取低分辨率的全局上下文信息。
2024-08-02 23:13:55
936
1
原创 论文写作技巧
IDEA的本质：其他模型正则项的拼凑，其他模型的优点正则找出来。如transformer中文章很好的idea，用到mamba，TTT的结构上。（关键是前期找到好的idea，好的包装后，记录下来创新点，表述。分析现有问题的优点缺点，或者相关的知识，为提出方法做铺垫。写作沙漏模型：把我们的问题聚焦，再把我们的贡献放大。先写related work。好处：避免想出的问题太过时。
2024-07-31 23:00:33
198
原创 如何读论文，如何坚持读论文
从标题到最后，公式等细节部分可以忽略掉，主要搞清楚，每个图和表主要在干什么。知道方法里面整个流程图在干什么，算法图在干什么，图的X,Y轴在是什么。1.心态要平和，2.学会交叉学习，看累了干点其他的 3.不要依赖翻译软件，尝试直接看英文，看多了就好了。知道每句话在干嘛，脑子里不断重复这篇文章，提出的问题，怎么解决，如果是我我怎么做。看下实验，方法，图表，看在干什么，质量怎么样，方法怎么样，评判是否继续往下读。读题目，摘要，结论——了解主要讲了什么，做了什么，和我的领域是否相关。通读前，要要准备的问题。
2024-07-30 17:40:54
318
原创 transformer代码学习及pytorch函数学习
pad(tuple)：是指明对该tensor各方位扩充的元素个数（这个元组中的每个数字对应于输入张量的一个维度的填充大小），（pad_left, pad_right, pad_top, pad_bottom, ...）（tips：从内到外表示tensor）tensor([[a,b]],[[c,d]]) 和 tensor([[a,b],[c,d]],[[e,f],[g,h]])形状为(2,1,2)和(2,2,2)的张量当torch.cat()函数中dim = 1时,拼接。在张量的某维度下增加一个额外的维度。
2024-07-30 14:50:13
1047
原创 latex 表格处理
子表并列放置：用到包\uspackage{caption},\uspackage{subcaption}单元格内换行用\\ ，如果单元格内容太多，则要用\makecell{}括起来。（另外记得引用该包）表的题目\caption要在标签\label前面，否则会 能实现跳转，但出现？命令合并了三列，使得"合并的单元格"单元格跨越了三个原始的列。合并横向单元格：\usepackage{multirow}
2024-07-25 23:46:54
299
原创 Transformer论文理解
softmax是一种逻辑函数，将一组实数转化为概率分布， 即输出一个实数向量，其中每个元素的值都在0到1之间，且所有元素之和等于1。 与hardmax不同的是，hardmax直接选择最大值，而softmax是给每个赋予概率值，对于处理复杂问题更为合理。scales：指的是多尺度特征的集合，这些特征是从不同尺度的卷积核中提取出来的（用于提高模型的鲁棒性和精度），这种多尺度的处理方法在深度学习的多个领域中都有应用，旨在提高模型对不同尺寸对象的识别和处理能力。概念（组成），性质，特点，作用（用处）
2024-07-24 00:09:57
318
原创 文献检索。
2. 通配符： * 任何字符/空字符。任意一个字符（wom?3.短语检索 ：用“” 括起来。“heart break” 检索出来 两个单词一定是挨着的。（讲了爱斯维尔的检索方法，以及期刊选刊查找）sci-hub.ren 免费下载论文。1. WOS 是不区分大小写的。* 号代表通配符。
2024-07-23 09:40:41
536
原创 vscode中执行python语句dir(torch)不返回结果
输入半天，发现在IDLE运行后的shell界面输入语句就会返回一大串。但是在vscode中老是不返回值。家人们，这是python，而不是matlab。思维还没转换过来，笑死。结果恍然发现这没加print（）。
2024-06-09 17:22:28
312
原创 excel拖拽怎么使单元格序号不递增
excel数值拖拽不递增还有一个更快更快捷的方法，这就运用到了excel快捷键，我们把鼠标放到单元格的右下角会出现一个“+”字加号，，这样就会跟以上方法一的效果是一样的哦！这个方法更快捷更简单，希望对大家有所帮助。拖拽下来不仅不递增，而且右下角没有倒三角可以设置改变，（即没有下图这个）
2024-06-06 17:38:28
1261
原创 Linux没有设置密码，怎么用finalshell连接
最直接的办法就是直接把linux账户添加个密码。网上搜了半天，都是要密码的。那个公钥和私钥，我也生成不来。
2024-05-31 21:52:37
329
原创 latex中伪代码后面多出=0
这下面这几行，开始全爆红说没定义，我就去一行一行问chatgpt需要什么包，告诉我用\usepackage{algorithmicx} 这个。然后begin那一条确实不暴红了。但后面的还是爆红，我又去问，它又说就是用\usepackage{algorithmicx}这个，把我整疯了，无语子。总之就是，直接看begin后面是什么包，就用什么包。终于解决了，气疯了！还有，引用包的时候一般begin{}中括号里是什么就引入什么包。这latex简直就是憨猪！
2024-05-29 15:56:38
597
原创 Linux DAY 6 _systemctl
语法：systemctl start | stop | status | enable | disable 服务名。sshd，ssh服务 （finalshell远程登陆，Linux使用的就是ssh）也可以手动校准（root模式下）：ntpdate -u ntp.aliyun.com。ln 命令 创建软链接 （如某个程序快捷方式和真正程序之间的链接就叫软链接）%s 自1970-01-01 00：00：00 UTC 到现在的秒数。格式化字符串：通过特定的字符串标记，来控制显示的日期格式。
2024-05-16 17:05:57
168
原创 Linux day6 yum下载，systemctl，
yum [-y] install wget 通过yum下载wget小工具。yum remove wget 也可以通过这种方式卸载wget。-y的意思是，如果有询问，自动确认（总是允许）。
2024-05-15 14:06:35
387
原创 centos无法联网解决方案（9步完成
3.输入命令，打开文件 vi /etc/sysconfig/network-scripts/2. 切换当前目录 cd /etc/sysconfig/network-scripts/1.打开终端，输入 su - root 进入到管理员模式（-的前后都有空格哈）4.点击i,进入编辑模式，将最后一行的ONBOOT=no改为ONBOOT=yes。（按ctrl +c进行结束）6.按ctrl+： ，然后输入wq。9.最后按esc退回到普通用户模式。2.. ，输入命令ip addr。5.按esc退出编辑模式，
2024-05-15 10:21:56
3337
1
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人