目录前言传统目标检测基于“Region proposal”的目标检测算法基于深度学习的目标检测算法OverFeatR-CNN: R-CNN系列的开山之作Fast R-CNN: 共享卷积运算Faster R-CNN: 两阶段模型的深度化前言图像分类，检测及分割是计算机视觉领域的三大任务。即图像理解的三个层次：分类（Classification），即是将图像...

1、用法：np.rint()是根据四舍五入取整2、用法：np.ceil()是向上取整，与四舍五入无关>>import numpy as np>>n = np.array([-5.6, -4.2, -2.7, 2.7, 4.3, 5.5, 8.1])>>print(np.ceil(n))>>print(np.rint(n))[-5....

这两个指标用于判断CT性能和说明图像质量。1.空间分辨率（spatial resolution）：密度分辨率大于10%时，影像中能显示的最小细节。与像素大小有关一般为像素宽度的1.5倍，像素越小，数目越多，空间分辨率越高，图像越清晰。2.密度分辨率（contrast resolution）：能分辨组织之间最小密度差异。受噪声和显示物大小所制约，噪声越小和显示物越大，则密度分辨率越高。二者互相制约。

目录前言传统目标检测基于“Region proposal”的目标检测算法基于深度学习的目标检测算法OverFeatR-CNN: R-CNN系列的开山之作Fast R-CNN: 共享卷积运算Faster R-CNN: 两阶段模型的深度化前言图像分类，检测及分割是计算机视觉领域的三大任务。即图像理解的三个层次：分类（Classification），即是将图像...

原文移步：https://arxiv.org/ftp/arxiv/papers/1812/1812.01049.pdf源代码移步：https://github.com/xf4j/brats18摘要：多模态MRI扫描对胶质瘤不同子区（包括瘤周水肿、坏死核心、增强和非增强肿瘤核心）的精确分割，对脑肿瘤的诊断、预测和治疗具有重要的临床意义。然而，由于肿瘤外观和形状的高度异质性，子区域的分割非常具...