模型扩展Model scaling一直以来都是提高卷积神经网络效果的重要方法。 比如说,ResNet可以增加层数从ResNet18扩展到ResNet200。这次,我们要介绍的是最新的网络结构——EfficientNet,就是一种标准化的模型扩展结果,通过下面的图,我们可以i只管…
CLAHE是一个比较有意思的图像增强的方法,主要用在医学图像上面。之前的比赛中,用到了这个,但是对其算法原理不甚了解。在这里做一个复盘。 CLAHE的英文是Contrast Limited Adaptive Histogram Equalization 限制对比度的自适应直方图…
本文的重点排序方法在:冒泡排序,归并排序,快速排序,桶排序。 比较类排序:通过比较来决定元素间的相对次序,由于其时间复杂度不能突破O(nlogn),因此也称为非线性时间比较类排序。 非比较类排序:不通过比较来决定元素间的相对次序,它可以突破基于比较排序的时间下界,以线性时间运行…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 TP:true positive。预测是正确的正样本 FP:false positive。预测是错误的正样本 TN:true negative。预测是正确的负样本 FP:false posit…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 其实关于BN层,我在之前的文章“梯度爆炸”那一篇中已经涉及到了,但是鉴于面试经历中多次问道这个,这里再做一个更加全面的讲解。 Batch Normalization的原论文作者给了Intern…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 写文章的目的在于之前面试的时候,提到某一个时间序列项目的特征工程处理。我说的大多数都是一些数据清洗、数据去除异常点、针对数据特性做出的特别的特征工程的操作,然后面试官给我的建议是下一次面试多说…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 这一段完全是废话了。含有缺失数据的样本,你要么删了,要了就填充上什么值。删了就会损失一部分的样本信息,填充要是填充的不合适,会给样本增加噪音。 然后会依次尝试:特殊值填充,(特殊)平均值填充和…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 NMS的英文是Non-maximum suppression的缩写。 简单的说,就是模型给出了多个重叠在一起的候选框,我们只需要保留一个就可以了。其他的重叠的候选框就删掉了,效果可见下图: h…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 最常用的Adam优化器,有着收敛速度快、调参容易等优点,但是也存在经常被人吐槽的泛化性问题和收敛问题。 因此,在很多大佬的代码中,依然会使用传统的SGD+momentum的优化器。 对机器学习…
文章来自:微信公众号【机器学习炼丹术】。关注回复【加群】,即可加入AI初学者交流群。 【概述】:这是一种通过梯度下降改善深度学习泛化能力的方法,而且不会要求额外的计算量,可以用到Pytorch的优化器中。 随机权重平均和随机梯度下降SGD相似,所以我一般吧SWa看成SGD的进阶…
焦点损失函数 Focal Loss(2017年何凯明大佬的论文)被提出用于密集物体检测任务。 当然,在目标检测中,可能待检测物体有1000个类别,然而你想要识别出来的物体,只是其中的某一个类别,这样其实就是一个样本非常不均衡的一个分类问题。 而Focal Loss简单的说,就是…
【前言】:文章来自:微信公众号【机器学习炼丹术】。公众号的AI初学者交流群已经建立啦,公众号后台回复【加群】可以加入。群里都是些一起学习的朋友,有跨专业的学生、也有已经工作想学AI的工作人士,大家学习路上,结个伴。 最近找工作的时候发现,机器学习算法工程师往往和推荐算法 相关联…
本文主要是为了之后讲解最小二乘法、岭回归等优化方法做个铺垫。 假设你有200个相亲对象,然后你老妈搜集了他们所有人的身高信息,然后以5cm为单位,来数一数每5cm各有多少人。接着用身高为横轴,人数为纵轴,画了下面的图: 实际上人的分高确实是符合正态分布的。2017年我国18岁及…
这篇文章主要总结一下CNN中已有的各种激活函数,然后讲述每个激活函数的特点以及存在的问题。 答:如果不使用激活函数,这种情况下每一层输出都是上一层输入的线性函数。无论神经网络有多少层,输出都是输入的线性函数,这样就和只有一个隐藏层的效果是一样的。这种情况相当于多层感知机(MLP…
之前文章讲过8种常见的方法:上采样,下采样,二分类变成多分类等多模型方法。 随机对数据进行样本采样和特征采样。这个随机森林的内容之前的文章也讲解的非常详细啦。 反向传播更新参数对数据的需求量非常大;卷积的没有平移不变性,稍微改变同一物体的朝向或者位置,会对结果有巨大的改变,虽然…
1上肢锻炼1.1上斜俯卧撑1.2跪姿俯卧撑1.3标准俯卧撑1.4宽距俯卧撑1.5钻石俯卧撑1.6跳跃俯卧撑1.7单手俯卧撑1.8军体俯卧撑1.9倒立俯卧撑2下肢锻炼2.1深蹲2.2深蹲跳2.3向前箭步
今天闲来无事,想着给陪伴了我6年的笔记本深度清洁一下。我电脑的型号是外星人1 R2,一个比较老的版本了。 我在一年前因为外形好看,买了小米的这个螺丝刀,现在可算可以用上了。 这时候我才知道,我的电脑原来可以再额外扩展一个内存条,回头有时间去搞一个。 现在我拆开了电脑的盖子,现在…
今天去健身房,计划锻炼背阔和手臂的二头三头,所以为了保护肩膀的安全,我会先激活热身一下肩袖肌群,然后再进行背阔的锻炼,因为时间有限而且背阔肌很多动作和三头有关,所以我会背阔和三头一起搞了,然后是二头。这里先介绍今天要搞的背阔的五个动作,之后有空了码代码码累了的时候,会再去介绍一…
背阔肌、冈下肌。身体保持不动,手肘轻微弯曲,用手臂力量发力;举重时为了更好的保持平衡,双手下拉时错开。 身体保持垂直,手肘向下推进,只有手臂可以运动,身体保持不动。个人的技巧是要胳膊放回时,肩膀可以稍微向前移动一下,让背阔肌从放松到收紧 手肘向下推进,在动作后短暂停顿再恢复原样…
之前的背阔和腹肌的锻炼,我自己做了三次,感觉小有成效,感觉当我粉丝破万之前,我一定可以练成一个肌肉佬。 废话不多,今天是胸肌的好日子。下面八个动作,包括了胸大肌的整体大小的锻炼、胸部的上沿、外沿、下沿和中缝的锻炼。可以说是比较全面的。 顶端时,两个哑铃不要接触。 相比上一个上斜…
好久没有写文章了(对不起我在划水),最近在看北京的租房(真真贵呀)。 预告一下,最近无事,根据个人多年的证券操作策略和自己的浅显的AI时间序列的算法知识,还有自己Javascript的现学现卖,在微信小程序上弄了个简单的辅助系统。我先试试效果如何,不错的话将来弄个文章给大家介绍…
鄙人有三陋习:一为爱炒股;二为多动;三为贪财。 除去基本面的影响不说,对于散户而言,炒股最忌讳的就是两点:一是高频操作,二是因为贪心而忽视了自身事先设定的预期。 对于股票中的技术操作,除了K线和成交量之外,觉得KDJ指标比较能反映波动的指标。但是因为传统的KDJ计算方式仅考虑了…
本文包含代码案例和讲解,建议收藏,也顺便点个赞吧。欢迎各路朋友爱好者加我的微信讨论问题:cyx645016617. 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,这里整理一下。使用图像分割,绕不开D…
文章转自:微信公众号【机器学习炼丹术】。 Unet其实挺简单的,所以今天的文章并不会很长。 语义分割(Semantic Segmentation)是图像处理和机器视觉一个重要分支。与分类任务不同,语义分割需要判断图像每个像素点的类别,进行精确分割。语义分割目前在自动驾驶、自动抠…
【前言】:个人只是一个23岁的,刚毕业的毕业生吧。学习一般,家庭更一般的普通人。从此离开从小学开始呆了几十年的学校,进入社会,开始个人的打工事业。2020年,是我当在校园的最后一年,也是我打工开始的第一年。 我是一个公众号主,也是一个AI算法的学习者,学习的途中喜欢整理笔记方便…
最近在多个关键词(小数据集,无监督半监督,图像分割,SOTA模型)的范畴内,都看到了这样的一个概念,孪生网络,所以今天有空大概翻看了一下相关的经典论文和博文,之后做了一个简单的案例来强化理解。 所以这个孪生网络入门,我想着分成上下两篇,上篇也就是这一篇讲解模型理论、基础知识和孪…
构建了corresponding prior map(CPmap),然后通过Context Prior Layer(CPLayer)来把这个CPmap融合到网络中,与此同时,使用Affinity Loss来对应这个CPLayer。 关于上面这句话如何解读,我先留着疑问。 int…
论文的方法在提供微分同胚的同时,且具有最先进的精度和非常快的运行速度。 这片论文提供了SOTA的配准方式,并且使用了diffeomorphic(微分同胚)。 假设我们拥有了$t\in [0,1]$的所有静态速度场,那么我们就可以integrate(整合)所有的速度场,从而从$\…
本次的内容主要讲解NCCNormalized cross-correlation 归一化互相关。 在传统的非参数方法中,常见的也有相关系数等。我在上一片文章voxelmorph的模型的学习中发现,在医学图像配准任务(不限于医学),衡量两个图片相似的度量有一种叫做NCC的 而这个…
Copyright © 2005-2025 51CTO.COM 版权所有 京ICP证060544号