今天手贱安装了依赖包，突然把整个anaconda 环境搞奔溃了。然后只能重新安装，安装完了以后 打开spyder 出现了could not Could not Initialize GLX已放弃的（核心转移之类的错误）然后科学上网找了一些方法。看网上分析原因是因为 QT的原因 现在我列举出来给大家参考一下conda install qt=5.6* pyqt=5.6*这是一种方法，我试了效...

最近在看对抗生成网络的相关论文，发现一些比较有趣的论文，在这里跟大家分享一下的。在经典的生成对抗模型中，往往有两个模型一个生成模型，它去获取数据的分布，然后一个判别模型，它去评估这个样本来自训练集的概率。这两个和模型都是同时训练，他去调整参数使模型去最小化然后去调整参数使模型去最小化最后这个损失函数为而在条件生成对抗网络中需要加入一个额外的信息.这个可以是各种辅助的信息，比如类别...

最近transformer网络真的非常火，尤其是在语义分割中，人们提出了各种各样的组合方法。我上一篇提到了一篇文章：TransUnet。这里另外一篇基于transformer的网络也出来了。比较出名，在这里推荐给大家。废话不多说直接上整个网络的结构框架这一篇文章相比于前面那篇，整个彻底的去掉了传统的CNN 网络结构。直接使用了transformer.这样做的目的是在不损失low-level细节的定

随着最近Transformers 的快速发展，开始有一种要统一视觉领域的感觉。现在transformers 终于向U-Net 下手了。TransUNet: Transformers Make Strong Encoders for Medical Image Segmentation这个作者也公布了源码。感兴趣的人可以去关注一下。整个过程，就是上述图片。具体实现细节大家可以看一下论文。看了上面的感

skimage包的morphology子模块中，提供了一个remove_small_objects（)函数，可以通过自己设定的连通域面积阈值有效去掉图片中的噪点。但是在实际中，我们有时候发现只需要删除最远的那个离散点，这个离散点明显就属于噪点了。于是通过模仿模仿remove_small_objects（)函数去除图片边缘不感兴趣区域。实现去除图片中离散点。具体实现代码如下def remo...

最近在做语义分割，需要用到VOC2012 数据库进行处理。发现网上的教程很多也很杂。我在这里按自己的理解把过程写出来。首先是原始的VOC 2012 数据集。大家在网上下载下来解压以后可以看到几个文件夹。如下这里于一系列的文件夹。第一个是一些标签，有些是我自己扩增数据的文件夹。主要是 第 1 4 5 6 8 这个几个文件夹。这几个文件夹具体是干什么的。大家看一下里面内容就知道了。我...

现在随着标签数据成本的增加，现在无监督、半监督和弱监督，逐渐受到学术圈的研究。现在很多算法逐渐开始使用半监督的算法。这篇文章是一篇比较经典也是一种大家可以想到的简单的半监督分割算法。半监督语义分割算法的难点在于如何利用未标记的数据和如何训练未标记的数据。而这篇文章很好的解决了这个问题。在半监督中对于未标注的数据如何使用，每个人有不同的方法，在这篇文章中，作者使用了多视角的方法，对于同一个未标注的数

这篇论文讲的是能不能让大语言模型（LLM）像一个“信号处理专家智能体”一样，自动理解信号处理任务、规划解决方案、调用工具、设计模型，而不是只让人写代码实现算法。论文提出了一个面向信号处理领域的通用 AI Agent 框架。论文作者认为这是第一个面向通用信号处理任务的 LLM Agent 框架。最近一直在用claude code 之类agent 写代码，突然想了解相关技术，看到了上面一篇论文。从这篇

最近在进行医学图像的处理研究，主要是进行了颅内血管的CT图像的分割研究。现阶段进行深度学习的图像分割的研究基本就是几种比较成熟的几个方法，FCN，u-net deeplab等一些方法。具体方法的操作，我这里就不细说了。大家可以自己去看看论文。现阶段进行医学图像的深度学习处理的方法，最大的瓶颈就是数据量比较少，导致网络训练不是很理想。由于进行颅内血管的数据量也比较少，所以需要进行一定的数据量...

在进行图像分割时，发现一个问题，在不加dropout 时整个模型的训练准确率可以很快的提升，但是验证集的准确率很难提升上去。但是在加了dropout 之后，发现模型训练集准确率提升就会很慢，也很难达到没有加入dropout的效果。验证集的准确率提升的并没有想象的那么明显。所以怀疑dropout的加入对于整个网络模型的提升到底有多大。看了相关文章说dropout对于模型准确度的提升没有想象的那么有作