通过弹性扭曲, 旋转, 镜像等方法对数据进行了增强.
图像多方向切块方式训练进行增加数据量
对于卷积的运算, 在 python 中, 可以使用 conv_forward()函数; 在 tensorflow 中, 可以使用 tf.nn.conv2d()函数; 在 keras 中, 可以使用 Conv2D()函数.
边缘检测: 过滤器矩阵形式, 每一个数是作为需要反向神经网络的参数... 此边缘不是整张图片的四个边缘, 是每一个小的卷积核的边缘, 所以把中间不需要检测的部分设置为 0
数据扩充的方法:
垂直镜像对称(Mirroring), 随机修剪(Random Cropping)
镜像对称(Mirroring): 将图片像对称
随机修剪(Random Cropping): 给定一个数据集然后对它随机修剪
理论上也可以使用旋转 (Rotation), 剪切(Shearing), 局部変形(Local warping) 等方法, 通过改变 R,G,B, 改变颜色(之于 ct 图像应该是改变灰度值?)
GitHub 是今日宝藏~
- https://github.com/zhaoxin111/tensorflow_cookbook#ch-5-nearest-neighbor-methods(tensorflow 手册)
- https://github.com/ShawnBIT?tab=followers(.NET 论文总结博主)
来源: http://www.bubuko.com/infodetail-3063159.html