normol的博客

前言：又是弄视频分割的这个项目，被里面的路径搞疯了，一直报错。其实以前也遇到过路径相关的问题，但是随便折腾下，问题也就解决了，所以一直懒得去仔细钻研这问题。本文会探讨两类问题，一是import，而是相对路径（更新中，自己也还在学习）。pathProject- src-- main.py-- package1--- p1.py-- package2--- p2.py下面是针对自己的疑问，进行实验的结果Q1：在pathProject下执行python src/main.py与pathP

实现的方法可以不止一种：rejection samplinginvert the cdfMetropolis Algorithm (MCMC)本篇介绍根据累积概率分布函数的逆函数(2：invert the CDF)生成的方法。原参考网站：https://blog.demofox.org/2017/08/05/generating-random-numbers-from-a-speci...

  在用深度学习做完肿瘤分割后，因为需要对比实验，所以当时（2019-4-13）在传统方法里找到过Felzen的Graph-Based Segmentation，而且那个时候还混淆了Graph-Cut分割和Graph-Based分割，因为看名字以为Graph-Based segmentation是一个大的类别，其实并不是。  当时虽然也学习了关于这个分割算法的知识，但是流于形式，一下就忘了，仅用...

仅是临时记录一下，避免忘记当plt有subplot时，注意数据格式要按要求，要么是0-1的浮点数，要么是0-255的整数，若sbuplot有两幅图时，一副是0-255符合规范的整数，另一幅是0.0-255.0不符合规范的浮点数，则不合符规范的图片不能正确显示。此外，plt的imshow能正确处理范围外的图片，例如若范围超出了255，那么plt内部能够进行转化并显示出转换后正确范围的图片。...

首先，先看一下在分割问题中，最常见的one-hot编码直观上是如何进行的，以及是怎样进行preds的下图（图一），是常见的ground-truth分割图，一共有两个类别（背景可以作为0，不单独作为一个类别）如果想进行cross-entropy计算损失函数等，就需要对图一的label进行one-hot编码，直观上会变成下图所示（图二）然后，我们的图片经过神经网络，训练好之后，输出的预测值就...

这篇文章是一个工具类，用来辅助医学图像分割实战 unet实现(二） 4、数据存储 这一小节的内容。文件： HDF5DatasetGenerator.py# -*- coding: utf-8 -*-import h5pyimport osimport numpy as npclass HDF5DatasetGenerator: def __init__(self, ...

主要解决两个问题：1、如何用给定的mask找到最小包围矩形2、如何用给定的矩形在原图上绘制bounding box（利用matplotlib）只有一个类的情况import numpy as npimport matplotlib.patches as patchesimport matplotlib.pyplot as plt"""masks shape: (batch_size...

在学习的过程中遇到了这个问题，在github上看到别人的回答有了灵感原先的代码："""即需要计算参数的移动平均"""def inference(input_tensor,avg_class,weights1,biases1,weights2,biases2): layer1 = tf.nn.relu(tf.matmul(input_tensor, avg_class.average(...

很多时候需要给高维数组变形，以达到需要的格式，但很多时候，可能变形后的结果并不是你所预想的那样，我是在看一段pytorch的代码时引发的思考：prediction = prediction.view(batch_size, bbox_attrs*num_anchors, grid_size*grid_size)prediction = prediction.transpose(1,2).con...

在训练网络的数据处理中，经常需要对数据进行维度处理。遇到过的一些常见扩维方法：a = np.zeros((10,5,5),dtype=np.uint8)a1 = a[...,np.newaxis]a2 = np.expand_dims(a, axis=3) # 或axis=-1,表示最后一个维度a3 = np.reshape(a, (a.shape[0],a.shape[1],a.sha...

以前随手的记录本子上的内容，在这篇文章里做一个汇总，方便以后查看。2019-1-22 ~ 2019-1-241、resnet每经过一个降采样过程，都会使它的channel数目翻倍，这样可以避免因为降采样带来的信息损失。2、vggnet带来的启发：2.1、网络更深；2.2、多使用33的卷积核：2个33的卷积核可以看做一层55的卷积核（同等的receptive field），同时参数更少。3...

总结一下目前遇到的一些医学图像预处理步骤，但才开始自学两周，所以很多东西或许不对或者不全面，以后争取每两周回顾以前的文章，将内容完善，并提高质量。（2019-3-5）由于篇幅原因，将预处理的步骤分开来，这一篇将总结读取图片的方法。文章目录读取DICOM格式读取普通的图片案例一：skimage读取图片案例二，PIL读取图片读取nii格式读取DICOM格式用到的包：pydicom例如，以公共...

数据集下载这是斯坦福课程的作业，根据大纲里面assignment1内的提示，下载好实验所需要的数据集。目录前言：代码主体：part1 数据的导入以及预处理part2 knn训练以及预测具体实现3.1 数据导入3.2 计算dist（三种实现，由易到难，原理相同）3.3 预测通过Cross-validation选取hyperparameters前言：...

一般而言，score_matrix=WXW是系数矩阵，X是data_matrix，这儿是学习cs231n的笔记，为了与其代码内w，x的含义保持一致，以下统一使用XW来计算score_matrix。背景是用svm实现图片分类，输入参数如下：N 代表样品个数，D 代表像素个数，C代表一共的种类数。X=(N, D)    注：如果原输入为（500，32，32，3）[即有500个样品（...

softmax与svm很类似，经常用来做对比，svm的loss function对wx的输出s使用了hinge function，即max(0,-)，而softmax则是通过softmax function对输出s进行了概率解释，再通过cross entropy计算loss function。将score映射到概率的softmax function：，其中，，j指代 i-th class。...

目录  前言knn vs. svmsvm & linear classifierbias trickloss functionregularizationoptimization代码主体导入数据及预处理svm计算loss_function和梯度验证梯度公式是否正确比较运行时间svm训练及预测，结果可视化通过corss-vali...

前言：对于knn来说，有两个hyperparameters(超参数：choices about the algorithm that we set rather than learn. Very problem-dependent, must try them all out and see what works best.)，其一是怎么选取distance metric，其二是怎么选取k。...