用于医学图像分割的损失函数的集合@article {LossOdyssey，标题= {医学图像分割中的Loss Odyssey}，期刊= {医学图像分析}，体积= {71}，页= {102035}，图像分割的损失函数，年= {2021}，作者= {马俊（Jun Ma）和陈建南（Jianan）和黄宏伟（Matthew Ng）和黄瑞（Rui Li）和李立（Chen Li）和杨小平（Yiaoping Yang）和安妮·L（Anne L.Martel）} doi = {https://doi.org/10.1016/j。 media.2021.102035}，网址= {https://www.sciencedirect.com/science/article/pii/S1361841521000815}}带回家的消息：复合损失函数
2022-05-05 04:09:14
325KB
1
Deep AI 吴恩达深度学习课后检验题-02.改善深层神经网络：超参数调试、正则化以及优化
2022-05-04 21:06:42
55.95MB
1
yolov3 yolov4 channel and layer pruning, Knowledge Distillation 层剪枝，通道剪枝，知识蒸馏
yolov3-channel-and-layer-pruning
本项目以ultralytics/yolov3为基础实现，根据论文Learning Efficient Convolutional Networks Through Network Slimming (ICCV 2017)原理基于bn层Gmma系数进行通道剪枝，下面引用了几种不同的通道剪枝策略，并对原策略进行了改进，提高了剪枝率和精度；在这些工作基础上，又衍生出了层剪枝，本身通道剪枝已经大大减小了模型参数和计算量，降低了模型对资源的占用，而层剪枝可以进一步减小了计算量，并大大提高了模型推理速度；通过层剪枝和通道剪枝结合，可以压缩模型的深度和宽度，某种意义上实现了针对不同数据集的小模型搜索。 项目的基本工作流程是，使用yolov3训练自己数据集，达到理想精度后进行稀疏训练，稀疏训练是重中之重，对需要剪枝的层对应的bn gamma系数进行大幅压缩，理想的压缩情况如下图，
2022-05-04 21:02:31
1.4MB
1
代码采用识别模型的是Alexnet模型，识别数据集为mnist手写数据集
代码运行前提是python的运行环境安装了libmr包
2022-05-04 11:02:43
41.83MB
1
所有公共EEG数据集的列表。
此EEG资源列表并不详尽。
如果您发现新内容，或者已深入探索任何未过滤的链接，请更新存储库。
EEG数据集所有公共EEG数据集的列表。
此EEG资源列表并不详尽。
如果您发现新内容，或者已深入探索任何未过滤的链接，请更新存储库。
运动图像左/右手MI：包括52个主题（38个经过验证的具有区分特征的主题），生理和心理问题的结果，EMG数据集，3D EEG电极的位置以及与非任务相关状态的EEG电机运动/图像数据集：包括109 volun
2022-05-04 02:00:05
10KB
1