摘要：
基于深度学习的图像分割的方法的一般套路： 1.下采样 + 上采样，卷积池化转置卷积； 2.多尺度特征拼接，低维度特征结合高维度特征； 3.获得像素级别的segement map，即对每个像素进行分类。 在做反卷积上采样的时候，往往通过拼接融合的方法得到更多的信息，拼接的方法有 语义分割网络在特征融合 阅读全文
摘要：
BN的基本思想，其提出是解决梯度消失的问题的某一方法。 在深度神经网络做非线性变换前的激活输入值（x=wu+b,u是输入)，当层数越深的时候，输入值的分布就会发生偏移，梯度出现消失的情况， 一般是整体分布逐渐往函数的取值区间的上下限靠拢，而这个时候非线性函数的梯度就会发生消失，所以训练收敛变慢。 B 阅读全文
摘要：
正在进行中，以及已经完成的测试 1.使用Inception v3进行农作物病毒分类（keras以及tensorflow) 2.使用resnet-50进行农作物病毒分类（pytorch) 代码已读，无卡等测 3.使用u-net进行医学图像分割，数据集来自ISBI挑战 （keras） 4.使用FCN进行 阅读全文
摘要：
1.PyCharm Process finished with exit code -1073741819 (0xC0000005) 解决方法：卸载h5py这个包，在装cv2的时候有可能安装了h5py 后续问题，卸载h5py之后在训练模型之后，无法保存模型，原因却是没有安装h5py，重新安装后神奇的 阅读全文
摘要：
U-net网络主要思路是源于FCN，采用全卷积网络，对图像进行逐像素分类，能在图像分割领域达到不错的效果。 因其网络结构类似于U型，所以以此命名，可以由其架构清晰的看出，其构成是由左端的卷积压缩层，以及右端的转置卷积放大层组成； 左右两端之间还有联系，通过灰色箭头所指，右端在进行转置卷积操作的时候， 阅读全文
摘要：
yield作用类似于return，其本质是一个迭代器。 当程序执行到yield时，会结束本次循环，返回一个值，然后内置含有next()函数， 下次在执行时，会从yield结束的地方继续执行。 带yield的函数是一个生成器，内置next函数，当本次执行到yield结束时候，下一次next就会从本次停 阅读全文
