【深度学习入门到精通系列】开始恢复更新通知～！

原创

李响Superb 2021-06-10 16:48:16 ©著作权

©著作权归作者所有：来自51CTO博客作者李响Superb的原创作品，请联系作者获取转载授权，否则将追究法律责任

【深度学习入门到精通系列】开始恢复更新通知～！_深度学习

因为放假在家基本不学习哈哈，但是快要开学了，准备开始更新了，我会尽量保持一周3到4篇高质量文章的频率，欢迎大家订阅呀～！！
附上我的微博：
ID：LiXiangDL
有问题欢迎打扰！

上一篇：【深度学习入门到精通系列】图片OCR讲解

下一篇：【深度学习入门到精通系列】目标检测评估之P-R曲线深入理解

提问和评论都可以，用心的回复会被更多人看到评论

发布评论

相关文章

Docker从入门到精通：Docker run 命令学习

前言我们在之前介绍了docker的容器管理的相关命令，但是对于docker run命令，我们并没有做非常详细的介绍，docker run命令是一个关键的工具。它允许你从 Docker 镜像创建和启动容器实例。本文将介绍 docker run 命令的基本用法以及一些常见的参数，帮助你更好地理解和利用 Docker。Docker Run 命令概述docker run 命令用于在 Docker 中创建并

docker Docker 端口映射
electron入门到精通

简介Electron是一个使用 JavaScript、HTML 和 CSS 构建桌面应用程序的框架。 Electron内嵌了 Chromium 和 Node.js 到二进制程序，让你可以利用 JavaScript 代码创建可以在Windows、 macOS和Linux上运行的跨平台应用。Elemtron流程模型Electron入门搭建工程准备可参考Ele

electron Nodejs Chromium
深度学习从入门到不想放弃-7

上一章的内容深度学习从入门到不想放弃-6 (qq.com) 今天讲的也算基础（这个系列后来我一寻思，全是基础），但是可能要着重说下，今天讲前向计算和反向传播，在哪儿它都永远是核心，不管面对什么模型前向计算：有的叫也叫正向传播，正向

损失函数神经网络梯度下降
【深度学习入门到精通系列】开始恢复更新通知～！

因为放假在家基本不学习哈哈，但是快要开学了，准备开始更新了，我会尽量保持一周3到4篇高质量文章的频率，欢迎大家订阅呀～！！附上我的微博：ID：LiXiangDL有问题欢迎打扰！

其他
【深度学习入门到精通系列】Mean Iou

Mean Iou

其他
【深度学习入门到精通系列】Dice Loss

在很多关于医学图像分割的竞赛、论文和项目中，发现 Dice 系数(Dice coefficient) 损失函数出现的频率较多，自己也存在关于分割中 Dice Loss 和交叉熵损失函数(cross-entropy loss) 的一些疑问，这里简单整理.Dice系数, 根据 Lee Raymond Dice[1] 命名，是一种集合相似度度量函数，通常用于计算两个样本的相似度(值范围为 [0, 1])：X 和 Y 之间的交集；和分别表示 X 和 Y 的元素个数. 其中，分子中的系数 2，是因为分母存

深度学习人工智能
【深度学习入门到精通系列】拿捏Dice系数

Dice系数在图像分割和目标检测中比较常用。它的取值范围是0-1之间，越接近1说明模型效果越好。Dice系数是像素级别的，真实的目标出现在某片区域A，我们的模型预测的目标区域为B，

模型预测目标检测图像分割
【深度学习入门到精通系列】医疗影像分割

文章目录1 医学图像种类2 图像存储格式3 U-net4 数据增强5 3D-Unet6 Densenet7 FC-Densenet8 病理切片1 医学图像种类MRI——核磁共振图摇水停下X-RAY——穿透图像CT图像——计算机断层扫描切片超声成像——B超敲西瓜2 图像存储格式不详细说明。3 U-netU-Net模型是一种改进的FCN结构，因其结构经论文作者画出来形似字母U而得名，应用于医学图像的语义分割。它由左半边的压缩通道（Contracting Path）和右半边扩展通道（Ex

深度学习人工智能
【深度学习入门到精通系列】图片OCR讲解

文章目录1 OCR识别文字流程1.1 滑动窗口2 数据集扩增3 上限分析1 OCR识别文字流程1、识别出文字区域（通过滑动窗口算法，遍历整个图片，有监督的标记训练样本特征进行判断，找到目标图片进行矩形化摘取出来）2、对文字区域矩形分割，拆分成不同的字符(在矩形中做一维滑动窗口移动，判断字符间间距，对字符进行划分)3、字符分类（对划分好的字符根据监督算法，对字符进行预测）4、识别出来文字（最终识别出整个字符）整个流程由多个任务的构成流程图如下：1.1 滑动窗口2 数据集扩增通过学

深度学习人工智能
【深度学习入门到精通系列】神经进化 (NeuroEvolution)

文章目录1 什么是神经网络进化 (Neuro-Evolution)2 神经进化3 NEAT 监督学习1 什么是神经网络进化 (Neuro-Evolution)你大多数时候所见到的人工神经网络是一种计算机能理解的数学模型, 这个模型将观测到的信息通过类似电信号的方式正向传播, 获取深程度的理解, 然后输出自己的判断. 最后通过对比自己的判断和真是数据, 将误差反向传播, 更新自己的网络参数. 但是生物中的神经网络却没有这一套反向传播的系统, 它往往是只产生正向传播, 然后通过刺激产生新的神经联结, 用这

深度学习神经网络网络强化学习监督学习
【深度学习入门到精通系列】Deep Q Network

文章目录1 什么是 DQN2 DQN 算法更新 (Tensorflow)3 DQN 神经网络 (Tensorflow)4 DQN 思维决策 (Tensorflow)1 什么是 DQN我们使用表格来存储每一个状态 state, 和在这个 state 每个行为 action 所拥有的 Q 值. 而当今问题是在太复杂, 状态可以多到比天上的星星还多(比如下围棋).

深度学习神经网络机器学习 tensorflow 赋值
【深度学习入门到精通系列】CGAN数据增强

文章目录1 CGAN的简介2 应用1 CGAN的简介为了解决带标签的数据生成问题，研究者们提出了条件生成对抗网络（CGAN）的概念.CGAN的结构如上图所示，与GAN的主要区别是生成器和判别器的输入数据中都加入类别标签向量（C_vector），生成器的优化目标函数基本上没有变化。总的来说CGAN在GAN上的改动并不大，但是普通的GAN所生成的内容是随机的，CGAN实现了根据输入标签生成指定类别的内容。2 应用近年来,卷积神经网络应用于图像分类任务性能优越,多项研究证明卷积神经网络在大规模带有标

深度学习人工智能
【深度学习入门到精通系列】Gamma变换（校正）

文章目录1 什么是Gamma变换2 为什么进行Gamma变换1 什么是Gamma变换Gamma变换是对输入图像灰度值进行的非线性操作，使输出图像灰度值与输入图像灰度值呈指数关系：这个指数即为Gamma。Gamma变换就是用来图像增强，其提升了暗部细节，简单来说就是通过非线性变换，让图像从暴光强度的线性响应变得更接近人眼感受的响应，即将漂白（相机曝光）或过暗（曝光不足）的图片，进行矫正。经过Gamma变换后的输入和输出图像灰度值关系如图1所示：横坐标是输入灰度值，纵坐标是输出灰度值，蓝色曲线是ga

深度学习人工智能
深度学习入门从入门到精通——深度学习入门

RNN：适用于处理短时间依赖的序列数据，但存在梯度消失问题。LSTM：通过复杂的门机制，能够处理长时间依赖，具体的序列任务。

深度学习人工智能池化卷积数据
【深度学习入门到精通系列】进化策略 (Evolution Strategy)

文章目录1 什么是进化策略 (Evolution Strategy)2 简单实现2.1 和遗传算法的异同2.2 代码3 (1+1)-ES4 Natural Evolution Strategy1 什么是进化策略 (Evolution Strategy)爸妈的 DNA 不用再是 01 的这种形式, 我们可以用实数来代替, 咋一看, 觉得牛逼了起来, 因为我们抛开了二进制的转换问题, 从而能解决实际生活中的很多由实数组成的真实问题. 比如我有一个关于 x 的公式, 而这个公式中其他参数, 我都能用 DNA

深度学习策略模式人工智能进化策略遗传算法
【深度学习入门到精通系列】Recurrent和Residual解释

文章目录1 Recurrent2 Residual1 Recurrent在全连接神经网络或卷积神经网络中，网络结果都是从输入层到隐含层再到输出层，层与层之间是全连接或部分连接的，但每层之间的结点是无连接的考虑这样一个问题，如果要预测句子的下一个单词是什么，一般需要用到当前单词以及前面的单词，因为句子中前后单词并不是独立的，比如，当前单词是“很”，前一个单词是“天空”，那么下一个单词很大概率是“蓝”。循环神经网络的来源就是为了刻画一个序列当前的输出与之前信息的关系。2 Residual残差网络公

深度学习人工智能
【深度学习入门到精通系列】Generalized Dice loss解释

论文原文全程为：Generalized Overlap Measures for Evaluation and Validation in Medical Image Analysis 刚才分析过Dice Loss对小目标的预测是十分不利的，因为一旦小目标有部分像素预测错误，就可能会引起Dice系数大幅度波动，导致梯度变化大训练不稳定。另外从上面的代码实现可以发现，Dice Loss针对的是某一个特定类别的分割的损失。当类似于病灶分割有多个场景的时候一般都会使用多个Dice Loss，所以Generaliz

深度学习人工智能
【深度学习入门到精通系列】遗传算法 (Genetic Algorithm)

文章目录1 遗传算法概述2 遗传算法2.1 找一个好的fitness方程2.2 DNA 编码2.3 代码实现3 配对句子4 旅行商问题5 Microbial Genetic Algorithm1 遗传算法概述电脑里的 DNA每个人都会有他独有的遗传信息比如 DNA, 种群的繁衍也就是这些 DNA 的传承, 所以遗传算法把握住了这一条定律.

深度学习人工智能 edn 遗传算法十进制
【深度学习入门到精通系列】SE-ResNet module讲解

文章目录1 概述2 SE-ResNet module3 SE-resnet网络pytorch实现1 概述SENet是Squeeze-and-Excitation Networks的简称，拿到了ImageNet2017分类比赛冠军，其效果得到了认可，其提出的SE模块思想简单，易于实现，并且很容易可以加载到现有的网络模型框架中。SENet主要是学习了channel之间的相关性，筛选出了针对通道的注意力，稍微增加了一点计算量，但是效果比较好。我们可以看到，已经有很多工作在空间维度上来提升网络的性能。那么很

深度学习人工智能
【深度学习入门到精通系列】R2 Unet解释

文章目录1 论文2 结构3 分析4 Recurrent5 代码1 论文Recurrent Residual Convolutional Neural Network based on U-Net (R2U-Net) for Medical Image Segmentation2 结构3 分析（a）为普通的两个conv模块，（b）为使用了recurrent conv的模块，（c）为使用了residual conv的模块，（d）是同时使用了residual 和recurrent conv的

深度学习人工智能
echarts 让图表撑满容器 vue3

内容摘要ECharts 的基本使用 ECharts常用图表直角坐标系常见配置 ECharts配置项小结 ECharts高级1. ECharts基本使用1.1 ECharts介绍ECharts 能够做出各种各样漂亮的图表，它能满足绝大多数可视化图表的实现.它的兼容性强, 使用方便, 功能强大, 是实现数据可视化的最佳选择之一, 更多特点和介绍可以查阅官网地址：ECharts官网1.2 EChart

数据可视化 vue 数据配置项柱状图
python 找圆形

霍夫变换检测直线的原理是利用累加器找到最大的数对，如文章所述。圆形的数学表达式为，其中为圆心坐标，为圆的直径。因此可知一个圆需要三个参数确定，如果采用霍夫直线相同的原理，则需要围绕被探测点对全域点进行搜索，进而获取可能的圆心坐标，然后再通过圆心坐标计算该点相对应的半径，构成数对，再利用累加方法对下一些像素点进行相同处操作，最后看哪个数对位置中的累加出的数值最大，即代表过这一簇点的圆。但是这种操作的

python 找圆形 opencv python ci 搜索
vue axios设置多个请求并发时一个请求响应后再发下一个请求

概述Vue 在大多数常见场景下性能都是很优秀的，通常不需要手动优化。然而，总会有一些具有挑战性的场景需要进行针对性的微调。在本节中，我们将讨论用 Vue 开发的应用在性能方面该注意些什么首先，让我们区分一下 web 应用性能的两个主要方面 1、页面加载性能首次访问时，应用展示出内容与达到可交互状态的速度。这通常会用 Google 所定义的一系列 Web 指标 (Web V

Vue 页面加载加载
mq发布消息 java

最近两天发生了很多事情，李咏（勇）去世，金庸讣告，重庆公交车坠江，印尼狮航JT610航班坠毁。让我感觉生命实在是脆弱，有人寿终正寝，有人患病离世，这些都是可预见的。但是像公交坠江，飞机坠海这类的就是不可预见的。他们也许正在去上班的路上，也许正在去参加朋友聚会的路上，也许家中有正等待他们的亲人，可是突然一次事故。将他们与亲人，朋友永远的分开了。所以活着的人除了为他们惋惜，还应该珍惜当下，珍惜每一天，

mq发布消息 java System 发送消息 Test
opencv dnn 调用onnx

本文参考自：opencv调用cCaffe、TensorFlow、Torch、PyTorch训练好的模型往往，当我们训练好一个模型后，就可以通过OpenCV加载模型使用该模型，完成分类和实时预测的任务了。对象检测，比SSD与YOLO这些模型有更好的检测精度与小对象检测能力；另外一个是支持基于SSD+Resnet模型的人脸检测，虽然速度还达不到H

opencv dnn 调用onnx OpenCV 加载数据

官方博客	全部文章	热门标签	班级博客
了解我们	网站地图	意见反馈

鸿蒙开发者社区	51CTO学堂
51CTO	软考资讯