随着神经网络的不断发展，越来越多的人工神经网络模型也被创造出来了，其中，具有代表性的就是前馈型神经网络模型、反馈型神经网络模型以及图网络.1.前馈型神经网络模型前馈神经网络（FeedforwardNeuralNetwork ,FNN），简称前馈网络。把每个神经元按接收信息的先后分为不同的组，每一组可以看做是一个神经层。每一层中的神经元接收前一层...

为什么要做归一化处理？神经网络学习过程的本质就是为了学习数据分布，如果我们没有做归一化处理，那么每一批次训练数据的分布不一样，从大的方向上看，神经网络则需要在这多个分布中找到平衡点，从小的方向上看，由于每层网络输入数据分布在不断变化，这也会导致每层网络在找平衡点，显然，神经网络就很难收敛了。当然，如果我们只是对输入的数据进行归一化处理（比如将输入的图像除以255，将其归到0到1之间），只能保证..

论文(2014年): 链接Pytorch代码: 链接《Network In Network》是一篇比较老的文章了（2014年ICLR的一篇paper），是当时比较牛逼的一篇论文，同时在现在看来也是一篇非常经典并且影响深远的论文，后续很多创新都有这篇文章的影子。通常里程碑式的经典是不...

2000年之前，数字图像处理时我们采用方法基于几类：阈值分割、区域分割、边缘分割、纹理特征、聚类等。2000年到2010年期间， 主要方法有四类：基于图论、聚类、分类以及聚类和分类结合。2010年至今，神经网络模型的崛起和深度学习的发展，主要涉及到几种模型：截至到2017年底，我们已经分化出了数以百计的模型结构。当然，经过从技术和原理上考究，我们发现了一个特点，那就是当前最成功的...

UNet++论文: 地址UNet++源代码: 地址参考:作者知乎的总结https://zhuanlan.zhihu.com/p/44958351

为什么要做归一化处理？神经网络学习过程的本质就是为了学习数据分布，如果我们没有做归一化处理，那么每一批次训练数据的分布不一样，从大的方向上看，神经网络则需要在这多个分布中找到平衡点，从小的方向上看，由于每层网络输入数据分布在不断变化，这也会导致每层网络在找平衡点，显然，神经网络就很难收敛了。当然，如果我们只是对输入的数据进行归一化处理（比如将输入的图像除以255，将其归到0到1之间），只能保证..

目录一、前言二、损失函数2.1根据像素正确与否设计的loss function2.1.1Log Loss2.1.2 WCE Loss2.1.3 Focal Loss2.2 根据评测标准设计的loss function2.2.1 Dice Loss2.2.2IOU Loss2.2.3 Tversky Loss2.2.4敏感性-特异性 Lo...

一、定义在现实世界中,绝大部分问题都是无法线性分割的, 因此在设计神经网络时,激活函数必须是非线性函数线性函数是一条笔直的直线,而非线形函数不是线性函数之和是线性函数，线性函数的线性函数也是线性函数。因此，使用线性函数，不能表示复杂数据集中存在的非线性。每个神经元都必须有激活函数,即在它们的输出在加权和以及偏置的基础上还做了一个非线形变换(通过激活函数)二、分类目前Tensorflow...

一、前言在卷积神经网络(Convolutional Neural Network,CNN)出现之前,神经网络中相邻的所有神经元之间都有连接,这称为全连接(fully-connected),如图1所示图1 全连接(fully-connected)这种全连接方式会带来一个问题,如图2所示...

一、前言在卷积神经网络(Convolutional Neural Network,CNN)出现之前,神经网络中相邻的所有神经元之间都有连接,这称为全连接(fully-connected),如图1所示图1 全连接(fully-connected)这种全连接方式会带来一个问题,如图2所示...