通过弹性扭曲、旋转、镜像等方法对数据进行了增强。
图像多方向切块方式训练进行增加数据量
对于卷积的运算,在python中,可以使用conv_forward()函数;在tensorflow中,可以使用tf.nn.conv2d()函数;在keras中,可以使用Conv2D()函数。
边缘检测:过滤器矩阵形式,每一个数是作为需要反向神经网络的参数。。。此边缘不是整张图片的四个边缘,是每一个小的卷积核的边缘,所以把中间不需要检测的部分设置为0
数据扩充的方法:
垂直镜像对称(Mirroring)、随机修剪(Random Cropping)
镜像对称(Mirroring):将图片像对称
随机修剪(Random Cropping):给定一个数据集然后对它随机修剪
理论上也可以使用旋转(Rotation)、剪切(Shearing)、局部変形(Local warping)等方法,通过改变R、G、B,改变颜色(之于ct图像应该是改变灰度值?)
GitHub是今日宝藏~
https://github.com/zhaoxin111/tensorflow_cookbook#ch-5-nearest-neighbor-methods(tensorflow手册)
https://github.com/ShawnBIT?tab=followers(Unet论文总结博主)
原文地址:https://www.cnblogs.com/larvie/p/10885343.html
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。