normol的博客

这次实验用来学习unet网络实现图像分割(keras, backend: tensorflow)。数据集DRIVE：为眼部图像，目的是分割出眼部血管。数据集结构：上面分别是训练的原始图片images、first_manual、mask整体流程：1、前期准备：将所有图片写入h5文件，（为了后期训练网络时减少io时间）2、训练网络2.1、获取训练图片和groundtruth图片...

这是一篇从笔记里摘录的知识点，因为发现在不同的文献或者文章里，对图片数据规范化、归一化的具体方法都不一样，很是困惑。下面这几种，都是广义上的数据规范化Data normalizationData standarizationData streching总体上来说，standarization与streching都是规范化的选择，只不过他们作用到数据上导致的结果有些许不同，所以有了更为细致...

随手小记：在跑网络的时候，自定义的loss为metric的相反数，都是dice_coef。但出现的loss并非是-dice_coef。之前用最简单的unet跑是对的，换成resnet-unet后就不对了。问了学长，自己开始也有怀疑，是kernel_regularizer=tf.keras.regularizers.l2(0.01)对loss造成了影响。经过测试，验证了猜想。正则化的项会与在最...

在医学图像分割 基于深度学习的肝脏肿瘤分割 实战(一）中

首先来看一下原始论文的描述：一开始我对n_ji和n_ij的理解挺绕的。后来理清楚了之后发现很简单：∑inii\sum_{i}n_{ii}∑i​nii​ 即class i 被正确分成了class i。 True Positive∑jnij=ti\sum_{j}n_{ij}=t_i∑j​nij​=ti​ 即class i 被正确分成了class j,然后对class j求和。这就是ground...

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...

之前一段时间，对激活函数和损失函数一直是懵懂的状态，只知道最后一层常用的激活函数是sigmoid或者softmax，而损失函数一般用的是cross-entropy或者dice loss(我看的都是分割方向的)。但是有几个点一直弄不清为什么：1、为什么有时候二值分割问题还进行了one-hot编码？2、sigmoid和softmax是可以任意切换的吗？下面是我理解的东西，但不一定正确，仅供参考。...

在之前的一篇博客里：医学图像分割 unet实现(一)，是学习并复现别人的实验。这篇将记录下自己毕设第一阶段的实验。毕设题目为：基于深度学习的肝脏肿瘤分割。经过几番调整，最终确定：第一阶段分割出腹部图像中的肝脏，作为第二阶段的ROI(region of interest)，第二阶段利用ROI对腹部图像进行裁剪，裁剪后的非ROI区域变成黑色，作为该阶段输入，分割出肝脏中的肿瘤。第三阶段用随机场的后处...

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...

使用CIFAR10数据集，用三种框架构建Residual_Network作为例子，比较框架间的异同。文章目录数据集格式pytorch的数据集格式keras的数据格式输入网络的数据格式不同整体流程keras 流程pytorch 流程对比流程构建网络对比网络pytorch 构建Residual-networkkeras 对应的网络构建部分pytorch model summarykeras mode...

毕设老师给的题目是基于深度学习的肝脏肿瘤分割，而unet则是深度网络实现图像分割的benchmark。本人小白一名，没有机器学习与深度学习的基础，但因为毕设紧迫。来不及系统学习，博客里记录学习过程，可能有很多地方理解并不正确，但会一边学习一边更正之前的内容。unet结构说明其实unet就是encoder-decoder，encoder部分是重复conv-conv-maxpooling的过程，用...

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...

网上的一些办法试了并不能解决问题，最后是论坛里找到解决办法的。即，我是用macos的terminal终端ssh连接，其会有自动编码的默认选项，需要去掉勾选论坛上找到的可行方案：去掉勾选后在服务器重新运行tensorboard的命令，成功启动。...