一.3DUNet简介最近重新整理了一下关于3DUNet网络原理及代码，这个网络其实和2DUNet区别不大，简单说可以理解为2d卷积换为了3d卷积。整体上没有什么创新，但可以基于一套完整的3DUNet代码（包括预处理、训练、可视化、测试等等）可以简化很多工作，在此基础上实现更多的细节改进，比如设计替换最新模块等等。对比下图中的2dUNet和3dUNet网络结构： 3D
转载
2023-08-11 16:58:15
338阅读
本文采用Unet3d进行LiTS腹部CT肝脏肿瘤分割数据集的train集合一共130个样例，都为nii格式，原始CT数据为volume-*.nii，分割的ground truth为segmentation-0.nii，其中0为背景，1为肝脏，2为肿瘤，但是并不是每个样例里边都含有肿瘤本来是准备用这里的keras实现的unet进行这个数据集的分割的，但是后来发现，不知道是我的代码问题，还是keras
转载
2023-08-30 18:42:17
92阅读
小伙伴们好呀，3D 检测和分割系列文章继续更新啦，在第一篇文章中我们带领大家了解了整个框架的大致流程，第二篇文章我们给大家解析了 MMDetection3D 中的坐标系和核心组件 Box，今天我们将带大家看看 3D 场景中的可视化组件 Visualizer，如何在多个模态数据上轻松可视化并且自由切换？为什么在可视化的时候经常出现一些莫名其妙的问题？接下来就让我们进入今天的正题吧~在 MMDetec
你想玩建模吗？次世代建模，一般是建模、雕刻、展UV、拓扑、贴图、做材质等几个步骤。在不同的步骤当中，所用到的软件有所不同。这里为大家科普下建模软件：高模：Maya、3Dmax、Zbrush中模：Maya、3Dmax低模：Maya、3Dmax、Topogun展UV：Maya、Zbrush、Unfold3D、Uvlayout烘焙：Maya、Zbrush、3Dmax、Xnormal、3DO、GrazyB
作者丨ZiyangLi编辑丨极市平台导读卷积神经网络（CNN）目前在医学图像分割领域应用广泛。本文基于胶囊网络，设计了一种包
转载
2022-06-21 17:46:33
449阅读
3D分割项目 | 基于Pytorch+3DUnet实现的3D体积语义分割算法
原创
2024-04-30 16:42:51
275阅读
由于大多数现实环境是三维的，因此理想情况下，应针对3D数据训练旨在分析视频或现实环境中的完整任务的深度学习模型。诸如机器人，自动驾驶汽车，智能手机和其他设备之类的技术工具目前正在产生越来越多的3-D数据，最终可以由深度学习算法对其进行处理。但是，到目前为止，在如此大量的3D数据上训练深度学习算法一直相对困难，因为某些人工智能（AI）研究人员只能访问必要的工具和平台。为了解决缺乏现成的工具的不足，N
转载
2024-05-30 09:46:26
48阅读
行为识别C3D代码(pytorch)实现过程及常见错误1.C3D网络代码C3D（pytorch）实现代码链接：C3D代码2.C3D代码复现过程（1）环境版本要求 pytorch：3.5及以上 opencv：3.4.2（我是这样的，其他低点的版本应该也可以） tensorboard：2.4 scikit-learn:0.23.2（2）数据集的制作首先将UCF-101的数据集结构存储为以下形式： 建议
转载
2023-11-29 20:23:24
366阅读
tensor张量 ...
转载
2021-10-08 22:52:00
96阅读
2评论
这里说从参数定义，到网络模型定义，再到训练步骤，验证步骤，测试步骤，总结了一套较为直观的模板。whaosoft aiot http
原创
2024-08-05 12:17:27
85阅读
MobileNet V3的目的：对图片进行特征提取，依据特征进行分类。（也可以作为backbone完成检测和分割任务）MobileNet V3的优点：相较于V2，模型更小(small)，精度更高。MobileNet V3的方法：①引入SE(Squeeze-and-Excitation)注意力机制模块，改进倒置残差结构；(红框部分激活函数未注明，SENet中使用Sigmoid，这里使用HardSwi
转载
2023-09-04 15:16:57
301阅读
目录1. 前言2. detect.py3. 数据集处理3.1 COCO2014、20173.2 VOC2007、20123.3 关于数据集的一些问题3.4 一些目标检测论文对数据集的应用4. train.py（COCO）5. test.py（COCO）6. train.py（VOC）7. test.py（VOC）8. 一些报错 1. 前言YOLOv3 Pytorch代码及原理分析（一）：跑通代码
转载
2023-10-07 18:41:17
220阅读
---------------------------------------------更新2022.5.2后来终于搞懂了pytorch官方的代码里，关于输入和输出对应关系建立的表，官方是用了C++和python混合编程实现的，并且利用了CUDA并行化思想。下面是翻译后实现的python语言的输入和输出映射代码，仅供参考。def get_output_offset(in_offset,out_s
转载
2024-01-03 07:02:47
54阅读
本篇接着上一篇去解释util.py。这个程序包含了predict_transform函数（Darknet类中的forward函数要用到），write_results函数使我们的输出满足 objectness 分数阈值和非极大值抑制（NMS），以得到「真实」检测结果。还有prep_image和letterbox_image等图片预处理函数等（前者用来将numpy数组转换成PyTorch需要的的输入格
转载
2024-01-12 17:48:35
97阅读
理解一个算法最好的就是实现它,对深度学习也一样,准备跟着https://blog.paperspace.com/how-to-implement-a-yolo-object-detector-in-pytorch/一点点地实现yolov3.达到熟悉yolov3和pytorch的目的.这篇作为第一篇,讲yolov3基本原理.卷积后的输出经过basenet(darknet-53)不断的卷积以后得到一个
转载
2023-12-04 22:01:29
44阅读
本篇是第三篇，主要是对detect.py的注释。在这一部分，我们将为我们的检测器构建输入和输出流程。这涉及到从磁盘读取图像，做出预测，使用预测结果在图像上绘制边界框，然后将它们保存到磁盘上。我们将引入一些命令行标签，以便能使用该网络的各种超参数进行一些实验。注意代码中有一处错误我进行了修改。源代码在计算scaling_factor时，用的scaling_factor = torch.min(416
转载
2024-04-18 09:26:12
105阅读
Pytorch版 yolov3 (ultralytics),关于loss(box,obj,class)转换流程已全部理清。 一. 输出各维度含义 已yolov3-tiny（2尺度）举例（以下数组全为尺寸大小，不是数值） 生成 pi [4,3,16,16,7] / pi [4,3,32,32,7] 输出(网络输出), ‘4’: batch_size ‘3’ : 3个anchor ‘16’/’32’:
转载
2024-06-05 10:34:06
193阅读
本篇博客是我学习某位up在b站讲的pytorch版的yolov3后写的， 那位up主的b站的传送门： https://www.bilibili.com/video/BV1A7411976Z 他的博客的传送门： 他的源码的传送门： https://github.com/bubbliiiing/yolo3-pytorch 侵删这篇博客主要是写主干特征提取网络代码的解释，首先，我们需要了解一下什么是残
转载
2024-01-02 15:29:30
72阅读
train_nerf.pyimportmainconfig内容modelclass RadianceFieldRendererdef __init__分"coarse", "fine"设置函数if render_pass == "coarse":raysamplerclass NeRFRaysamplerself._rendererself._implicit_functionclass Neu
转载
2023-09-02 22:10:47
1682阅读
编辑日期: 2021-04-24 16:57:48
本文主要介绍3DUNet网络，及其在LiTS2017肝脏肿瘤数据集上训练的Pytorch实现代码。GitHub地址：https://github.com/lee-zq/3DUNet-PytorchLiTS2017数据集 链接：https://pan.baidu.com/s/1WgP2Ttxn_CV-yRT4UyqHWw提取码：hfl8 （+*+
转载
2023-06-20 09:45:08
166阅读
