非局部均值去噪（Non-Local Means，简称NLM）是一种用于图像处理的去噪算法，特别适用于去除图像中的高斯噪声。它的核心思想是考虑图像中的每个像素，并将其与图像中其他位置的相似区域进行比较。不同于传统的局部去噪方法，NLM算法利用了图像中更广泛区域的信息，从而更好地保持了图像的细节和结构。

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

CUDA中用于映射锁页内存（mapped pinned memory）的API，把分配的主机内存映射到CUDA内核的地址空间，使得他们能够直接被访问，称作零复制，因为内存是共享的，复制操作不需要通过总线。事实上，在传输受限型的工作量上，一个集成的GPU可以超过一个更大的独立GPU。虚拟寻址，虚拟地址空间，为物理内存一个一个分配连续编号，以便进行访问，比如0~64kb内存位置是0~65535，指定内

CUDA提供两层API接口，CUDA驱动（driver）API和CUDA运行时（runtime）API。GPU概念，图形处理器，也称显卡，适合进行密集数据运算，包含大量ALU计算核心。CPU概念，中央处理器，适合进行逻辑，ALU计算核心较少。4.显存带宽，运算单元与显存的传输速率，带宽越大，交换速率越大。GPU本省并不能单独计算，CPU+GPU组成异构计算架构；GPU作为CPU的协处理器，一般称为

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

本项目所使用的数据集是BCCD数据集。WBC（白细胞）、RBC（红细胞）、Platelets（血小板）本文所使用的是2021.2.25版本的。包含847张图片，每张图像大小为416x416，图像格式为.jpg所以在后面阶段不需要对图像进行增强操作。当然新版本或者其他版本不同也不影响使用，一些版本图像大小不同，一些对图像并未做预处理，后期可能需要。如果下载的数据集内容不一致，感兴趣的可以在这里下载，

一般是只对图像整体做分类，那么如果是将图像的目标提取出来，这就是语义分割。与分类不同的是，语义分割需要判断每个像素点的类别，进行精确分割，产生目标的掩码，图像的语义分割是像素级别的。

需要对网络进行蒸馏，剪枝，轻量化，是模型大小适宜硬件配置，此外为了更好，更快速的推理，还需要将模型转成不同的模型格式，使其更加适配软件推理。这段代码就是推理的主要流程，其中几个比较重要的点就是blobFromImage函数是将待预测的图片转成网络输入的格式，一般网络的图像输入格式为N，C，H，W。N就是batch数，在推理时一般为1，C即通道数，H，W即为图像的高宽，除此之外这个函数还可缩放图像的