Fashion-MNIST是一个用来进行机器学习和深度学习的测试数据集，它由类似于MNIST的手写数字图像数据集演变而来，但是每一张图像都代表了10类服装类型之一，包括T恤、裤子、套衫、连衣裙、外套、凉鞋、衬衫、运动鞋、包和靴子。
基于卷积神经网络的Fashion-MNIST图像识别，通常指的是使用卷积神经网络来对Fashion-MNIST数据集中的图像进行分类。在这种情况下，我们需要训练一个卷积神经网络模型，让它能够根据图像的特征来预测图像所属的类别。
为了实现这个目标，我们需要以下步骤：
1. 准备Fashion-MNIST数据集，包括训练集、验证集和测试集。
2. 构建一个卷积神经网络模型，包括两个卷积层和全连接层。
3. 使用训练集对模型进行训练，通过反向传播算法来更新模型参数。
4. 使用验证集对训练好的模型进行评估，并通过可视化工具来观察模型的训练曲线和验证曲线。
2023-03-29 13:56:56
150KB
1
此代码从 Placido 环图像构建曲率地形。 该实现使用了 Julián Espinosa、David Mas、Jorge Pérez 和 Ana Belén Roig 的论文“商业视频角膜成像仪的开放访问操作算法和角膜采样的改进”中的许多概念。
目前，这是一个非常原始的实现，不足以处理损坏的普拉西多环图像。 这需要在未来修复。
2023-03-29 13:16:45
90KB
1
VTK工具
描述
通过vtk进行医学图像可视化的库。
演示版
run test.py for demo
vtkShow或vtkShowNotebook
vtkWindowView或vtkWindowViewNotebook
2023-03-29 11:23:41
13.42MB
1
在医疗领域，许多疾病的诊断依赖高倍数显微镜对细胞等微观物体的观测，但由于高倍数显微镜价格昂贵，操作复杂，且高倍数细胞显微图像重建工作存在低、高倍数显微图像之间图片风格不统一、细胞图像清晰度不致和训练数据不匹配等问题。为此，提出高倍数细胞显微图像生成式对抗网络。将全新激活函数引入Cyclean网络，在生成器中添加新的残差密集块并去掉BN层。同时为确保生成图像真实可信，在生成器训练过程中考虑细节感知损失。实验结果表明，该方法在保留低倍数显微图像基本信息的基础上，能够对高倍数显微图像细节进行有效的还原。
2023-03-29 10:28:32
3.22MB
1
Unity_Detection2AR
一种将对象定位合并到常规计算机视觉对象检测算法中的简单解决方案。
想法：没有太多的开源实时3D对象检测。 这是一个使用“更流行”的2D对象检测，然后使用几个特征点对其进行本地化的示例。 它使用最近发布的进行对象检测，并使用ARFoundation进行AR。 它可以在iOS和Android设备上使用。
目前支持微小的Yolo2和3。
要求
"com.unity.barracuda": "1.0.3",
"com.unity.xr.arfoundation": "4.0.8",
"com.unity.xr.arkit": "4.0.8",
"com.unity.xr.arcore": "4.0.8"
用法
它是在Unity 2020.2.1中开发的，需要具有更新的AR包的产品就绪的梭子鱼。 梭子鱼的预览版似乎不稳定，可能无法正常工作。
在Unity
2023-03-29 10:11:30
79.06MB
1
图像直方图均衡化算法matlab代码
DiscriminativeLowpassFiltering_with_CLAHE.m
is
the
MATLAB
implementation
of
my
Masters
thesis
titled
"Contrast
enhancement
with
the
noise
removal
by
a
discriminative
filtering
process",
Concordia
University,
Montreal,
Canada,
2012.
In
this
thesis,
a
novel
approach
of
low-pass
filtering
is
developed
based
on
multiple
stages
of
median
filtering
and
threshold
based
image
clustering.
The
input
of
the
filtering
algorithm
is
a
low
contrast
image
which
is
first
enhanced
by
a
variant
2023-03-29 00:09:11
3KB
1
CellProfiler是一款免费的开源软件，旨在使生物学家无需培训计算机视觉或程序即可自动定量测量数千幅图像中的表型。 可以在找到更多信息。
我应该使用什么版本的CellProfiler？
我们建议稳定发布CellProfiler。
您可以从下载适用于macOS和Windows的稳定版本。
如果您正在或打算为CellProfiler做出贡献，则应从源代码编译CellProfiler 。 可在中获得在 ， 和上编译CellProfiler的说明。
如果您是第三方CellProfiler模块的维护者，则应使用CellProfiler的夜间版本。 您可以从下载适用于macOS和Windows的夜间发行版。 让我们知道是否由于无意中破坏了您的模块。
如果您是CellProfiler的狂热用户，则应尝试CellProfiler的Beta版。 您可以从下载适用于macOS和Windows的
2023-03-28 21:22:22
20.29MB
1