聚类分析是指将数据对象的集合分组为由类似的对象组成的多个类的分析过程。
基本概念
聚类（Clustering）就是一种寻找数据之间内在结构的技术。聚类把全体数据实例组织成一些相似组，而这些相似组被称作簇。处于相同簇中的数据实例彼此相同，处于不同簇中的实例彼此不同。
聚类技术通常又被称为无监督学习，与监督学习不同的是，在簇中那些表示数据类别的分类或者分组信息是没有的。
数据之间的相似性是通过定义一个距离或者相似性系数来判别的。图 1 显示了一个按照数据对象之间的距离进行聚类的示例，距离相近的数据对象被划分为一个簇。
图 1 聚类分析示意
聚类分析可以应用在数据预处理过程中，对于复杂结构的
2022-04-25 21:36:25
239KB
1
文中提出了一种肝脏在CT（Computed Tomography）图像中的半监督自动分割方法。该方法采用深度协同训练模型以解决医学图像领域中有标签数据获取困难且成本高的问题。首先利用有标签数据建立U-Net和2D V-Net两种分割网络，并分别对无标签数据进行分割，然后对分割结果进行粗略挑选，再进行精细挑选，最后将置信度较高的伪标签加入到训练集中，重复此过程直到对验证集分割结果的Dice值不再增大时为止。提出的方法可以减少迭代过程中累积的误差，在2017 Liver Tumor Segmentation（LiTS）数据集上的结果表明，该方法与全监督学习相比可以有效提高分割精度。
2022-04-22 10:18:29
1.57MB
1
弱监督学习的精确3D人脸重建：从单个图像到图像集
回购协议Pytorch版本。
此存储库仅包含重建部分，因此您可以使用库来训练网络。 而预训练模式也从这个。
特征
神经网络
我使用mtcnn裁剪原始图像并检测5个地标。 的大多数代码来自 。
pytorc3d
在此，我使用渲染重建的图像。
估计内在参数
在原点回购（ ），则渲染的图像是不一样的，因为输入图像preprocess 。 因此，我添加了estimate_intrinsic以获取内部参数。
例子：
这里有些例子：
原始图片
裁剪图像
渲染图像
文件架构
├─BFM same as Deep3DFaceReconstruction
├─dataset storing the corpped images
│ └─Vladimir_Putin
├─examples
2022-04-08 15:20:03
134KB
1