来自维基百科：在计算机视觉领域，图像分割（Segmentation）指的是将数字图像细分为多个图像子区域（像素的集合）（也被称作超像素）的过程。图像分割的目的是简化或改变图像的表示形式，使得图像更容易理解和分析。图像分割通常用于定位图像中的物体和边界（线，曲线等）。更精确的，图像分割是对图像中的每个像素加标签的一个过程，这一过程使得具有相同标签的像素具有某种共同视觉特性。 图像分割的结果是图像上子
本文是论文《Unsupervised End-to-end Learning for Deformable Medical Image Registration》的阅读笔记。该模型要比VoxelMorph更早一点，网络结构上两者非常类似，不同的是，本文的模型的配准网络采用的是FlowNet，而VoxelMorph采用的是UNet，两者结构是类似的，都是编码器-解码器结构，都有跳跃连接。此外，该模型
模型评价的目的对于解决同一问题的不同模型，通过比较模型指标来比较模型之间的优劣，选取最优模型对于同一模型，通过比较模型指标来调整模型参数模型评价的基本思路评价机器学习模型的基本思维是把数据分为没有交集，且具有相同普遍性的训练集（Training Set）和测试集（Testing Set），这种做法被称为交叉验证（Cross Validation）.其中，训练集用于训练模型，训练好的模型对测试集的数
凯明大神一贯作风是思路简单，whaosoft aiot 效果拔群，然而能将简单的思路实现，并最终work，才真是硬实力。当然，截止到目前我仍
文章目录GANSeg: Learning to Segment by Unsupervised Hierarchical Image Generation摘要引言方法Level 1: Point Generation and Part ScaleLevel 2: From Points to MasksLevel 3: Mask-conditioned Image Generation损失函数实
一、卷积神经网络基本概念 卷积神经网络（Convolutional Neural Networks, CNN）是一类包含卷积计算且具有深度结构的前馈神经网络（Feedforward Neural Networks），是深度学习（deep learning）的代表算法之一，是深度学习算法在图像处理领域的一个应用。 机器学习分类：监督学习（分类，回归），无监督学习（聚类，降维），强化学习，半监督学习
网上对于有监督和无监督差异性的文章非常多，本文将重点从应用的角度来阐述如何选择有监督和无监督。对比一：有标签 vs. 无标签有监督又被称为“有老师的学习”，无监督被称为“没有老师的学习”，所谓的老师就是标签。有监督的过程为先通过已知的训练样本（已知输入和对应的输出）来训练，从而得到一个最优模型，再将这个模型应用在新的数据上，映射为输出结果。经历这个过程后，模型具有了预知能力。无监督相比于有监督，没
文章目录监督学习算法1.定义2.分类回归问题分类问题无监督学习算法1.定义2.分类聚类机器学习算法中多种可...
原创
2022-07-29 11:04:42
275阅读
自理解机器学习的概念时，没有深刻理解监督学习和无监督学习的区别，在网上查找了部分资料，现在总结如下：总的来说，机器学习任务将根据训练样本是否有label，可以分为监督学习和无监督学习，这是最简单直接的区别。那么问题来了，什么是label呢，简单的讲字面意思是标签，实际的作用就是对数据的一种标注，就是学习时我们标注的target值。
转载
2018-10-05 08:23:44
290阅读
一、基本概念1 特征（feature） 数据的特征。举例：书的内容2 标签（label） 数据的标签。举例：书属于的类别，例如“过已有的
原创
2022-08-04 17:18:56
487阅读
一、监督学习监督学习指学生从老师那里获取知识、信息，老师提供对错指示、告知最终答案的学习过程。根据在学习过程中所获得的经验、技能，对没有学习过的问题也可以做出正确解答，是监督学习的最终目标。简单来说，就是输入对象有明确期望输出值的学习过程。以人工神经网络算法为例，输入输出根据实际生产情况确定。为探寻转化原因，我们在输入层与输出层之间设置至少一层的隐含层，数据在层与层之间靠权重传递。我们训练输入层、
原创
2021-03-25 20:10:28
1823阅读
机器学习：定义一、给予计算机能自我学习的能力而不是编程。定义二、对于某类任务T和性能度量P，如果一个计算机程序在T上以P衡量的性能随着经验E而自我完善，那么我们称这个计算机程序在从经验E学习 监督学习在有监督的学习中，我们得到了一个数据集，并且已经知道正确的输出应该是什么样的，我们认为输入和输出之间
转载
2019-12-04 15:19:00
195阅读
2评论
监督学习是机器学习的类型，其中机器使用“标记好”的训练数据进行训练，并基于该数据，机器预测输出。
原创
2022-06-09 01:23:20
459阅读
在机器学习(Machine learning)领域。主要有三类不同的学习方法： 监督学习(Supervised learning)、 非监督学习(Unsupervised learning)、 半监督学习(Semi-supervised learning)， 监督学习：通过已有的一部分输入数据与输出
转载
2017-04-22 20:07:00
219阅读
2评论
《半监督医学影像分割综述》引言两种不同类型的图像分割问题。相应的语义类对每个像素进行分类，从而给图像中属于这个类的所有对象或区域一个相同的类标签。实例分割试图更进一步，试图区分同一类的不同出现内容提供了半监督SS方法的最新分类以及对它们的描述。对文献中最广泛使用的数据集进行了广泛的最先进的半监督分割方法的实验。讨论了所获得的结果，当前方法的优点和缺点，该领域的挑战和未来的工作方向。背景问题阐述半监
监督学习和非监督学习重新看一遍NG的机器学习课程，第一次写读书笔记，希望能够坚持下来！对于监督学习，首先来看一个例子，如下图.图中的数据来自R语言中的Boston数据集，其中lstat轴表示地位较低的人口比重，medv轴表示median value of owner-occupied homes in $1000s。如果有一个新的lstat值（比如lstat=15），想要对相应的medv值进行预测
机器学习分为：监督学习，无监督学习，半监督学习（也可以用hinton所说的强化学习）等。 监督与无监督区别： 1. 有监督学习方法必须要有训练集与测试样本。在训练集中找规律，而对测试样本使用这种规律。而非监督学习没有训练集，只有一组数据，在该组数据集内寻找规律。 2. 有监督学习的方法就是识别事物，
转载
2019-05-14 16:33:00
867阅读
2评论
目录Supervised LearningMassive Unlabeled dataUnsupervised LearningWhy neededSupervised LearningMassive Unlabeled dataUnsupervised LearningWhy neededDimension reductionPreprocessing:Huge dimension, say 2
原创
2021-04-15 18:55:15
310阅读
