segmentation_models_pytorch是一款非常优秀的图像分割库，albumentations 是一款非常优秀的图像增强库，这篇文章将这两款优秀结合起来实现多类别的图像分割算法。数据集选用CamVid数据集，类别有：'sky', 'building', 'pole', 'road', 'pavement','tree', 'signsymbol', 'fence', 'car','pedestrian', 'bicyclist', 'unlabelled'等12个类别。数据量不大，下载地址：[mirrors / alexgkendall / segnet-tutorial · GitCode](https://gitcode.net/mirrors/alexgkendall/segnet-tutorial?utm_source=csdn_github_accelerator)。
通过这篇文章，你可以学习到：
1、如何在图像分割使用albumentations 增强算法？
2、如何使用dice_loss和cross_entropy_loss？
2022-05-06 11:05:35
421.66MB
随着网民的数量不断增加，用户上网产生的数据量也在成倍增多，随处可见各种各样的评论数据，所以构建一种高效的情感分类模型就非常有必要.本文结合Word2Vec与LSTM神经网络构建了一种三分类的情感分类模型：首先用Word2Vec词向量模型训练出情感词典，然后利用情感词典为当前训练集数据构建出词向量，之后用影响LSTM神经网络模型精度的主要参数来进行训练.实验发现：当数据不进行归一化，使用He初始化权重，学习率为0.001，损失函数选择均方误差，使用RMSProp优化器，同时用tanh函数作为激活函数时，测试集的总体准确率达到了92.28%.与传统的Word2Vec+SVM方法相比，准确率提高了大约10%，情感分类的效果有了明显的提升，为LSTM模型的情感分类问题提供了新的思路.
2022-04-14 14:41:57
1.28MB
1
U-Net训练自己数据集，多类别，博文有具体操作步骤，链接：https://blog.csdn.net/MissLemonh/article/details/122373594?spm=1001.2014.3001.5502
2022-03-29 16:36:13
201KB
1
提供了一系列图像。大家根据数据集图像情况看是否下载整个数据集
NIH临床中心最新公布了一个迄今规模最大的多类别、病灶级别标注临床医疗CT图像开放数据集DeepLesion，研究人员在此基础上训练深度神经网络，创建了一个具有统一框架的大规模通用病灶检测器，能够更准确、更自动地衡量患者体内所有病灶的大小，实现全身范围的癌症初步评估。
4427名独立的匿名患者
10594次CT扫描（平均每位患者有3次随访）
32735个带标记的病灶实例
一共928020张CT横切图像（512×512分辨率）
这就是美国国家卫生研究院（NIH）临床中心最新公开发布的大型CT图像数据集DeepLesion，也是迄今全球规模最大的多类别、病灶级别标注的开放获取临床医疗图像数据集。
2021-12-08 15:17:40
20.41MB
1
今天小编就为大家分享一篇Pytorch 实现focal_loss 多类别和二分类示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2021-11-23 11:29:18
31KB
1
FairMOT-master.zip，6月16号版本。下载自：https://github.com/ifzhang/FairMOT/tree/master/。
2021-10-03 12:11:00
43.58MB
1
多种类别微信小程序模板源码打包分享
微信小程序模板分享，内含120多套模板
各种风格小程序，各种不同类别小程序
内含丰富，非常实用，感兴趣的下载看看吧~
2021-06-04 17:06:03
172.9MB