概率主成分分析仪（MPPCA）的混合物
安装
将存储库的内容复制到您喜欢的位置
git clone git@github.com:SamuelePolimi/MPPCA.git
cd MPPCA
并安装库
cd ../..
pip install -e .
具有循环数据的第一个示例
让我们生成一些圆形的数据
n_samples = 500
theta = np . random . uniform ( - np . pi , np . pi , size = n_samples )
x_1 = np . sin ( theta )
x_2 = np . cos ( theta )
r = np . random . normal ( scale = 0.1 , size = n_samples ) + 1.
X = np . array ([ x_1 * r , x_2 * r ]).
2022-05-28 23:14:51
207KB
1
论文代码的压缩文件，具体GitHub地址为：https://github.com/zixuannnnnn/DRAAN
2022-05-28 19:05:32
203KB
1
人工智能-项目实践-图像识别-基于深度学习的图像超分辨率重建及其在医学影像上的应用
前言
介绍图像超分辨率问题、研究现状、前景，介绍在医学图像上进行超分辨率的重要性。
自然图像上的超分辨率研究
在 DIV2K 数据集（800 train + 100 val）进行实验。选取 baseline 模型为 ESPCN、DWSR、EDSR。针对这些模型的不足之处，提出改进：使用小波 + U-Net + 感知损失多任务学习的 LU-MWCNN模型，达到超越 baseline 的效果。
医学图像上的超分辨率应用
在 DeepLesion 数据集（CT 图像）的 Key_slices 上进行实验，同样与 baseline 模型进行对比。提出 CT-LPIPS，利用一个类 VGG 网络训练。
医学图像超分辨率平台开发
以 CT 图像为例，搭建 Web 服务，借助 Cornerstone.js 库，医生可预览 DICOM，或将图像发送至后端重建服务，以获得超分辨完成的结果。后端采用 Flask + PyTorch 进行部署和实时推理。
总结
2022-05-25 11:07:19
9.52MB
以一张图像（灰度图）为例，用Matlab编程验证DCT量化、系数数量等因素对重建图像质量的影响。有详细的程序说明和DCT算法思路说明
2022-05-24 17:25:15
7.92MB
1