518大创基础知识学习

标签：过滤器   过滤   near   总结   cal   random   卷积   旋转   net   

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)

518大创基础知识学习

标签：过滤器   过滤   near   总结   cal   random   卷积   旋转   net   

原文地址：https://www.cnblogs.com/larvie/p/10885343.html