基於深度學習的病理全切片分類與識別
論文筆記 | 基於深度學習的乳腺轉移瘤識別（Deep Learning for Identifying Metastatic Breast Cancer）
https://blog.csdn.net/u014593748/article/details/78200173
Dermatologist-levelclassification of skin cancer with deepneural networks論文筆記
https://blog.csdn.net/echo_1994/article/details/80403453
醫學影象分割–U-Net: Convolutional Networks for Biomedical Image Segmentation
相關推薦
基於深度學習的病理全切片分類與識別
論文筆記 | 基於深度學習的乳腺轉移瘤識別（Deep Learning for Identifying Metastatic Breast Cancer） https://blog.csdn.net/u014593748/article/details/78200173 Dermatol
【基於深度學習的細粒度分類筆記8】深度學習模型引數量(weights)計算，決定訓練模型最終的大小
Draw_convnet 這幅圖是通過開源的工具draw_convnet(https://github.com/gwding/draw_convnet)生成的。在清楚整個前向計算網路中的每一個層的輸入輸出以及引數設定後可以自己手動畫出計算圖出來，對於引數量計算就很直觀了
達觀資料曾彥能：如何用深度學習做好長文字分類與法律文書智慧化處理
在NLP領域中，文字分類輿情分析等任務相較於文字抽取，和摘要等任務更容易獲得大量標註資料。因此在文字分類領域中深度學習相較於傳統方法更容易獲得比較好的效果。正是有了文字分類模型的快速演進，海量的法律文書可以通過智慧化處理來極大地提高效率。我們今天就來分析一下當前state of art的文
如何用深度學習做好長文字分類與法律文書智慧化處理[轉]
在NLP領域中，文字分類輿情分析等任務相較於文字抽取，和摘要等任務更容易獲得大量標註資料。因此在文字分類領域中深度學習相較於傳統方法更容易獲得比較好的效果。正是有了文字分類模型的快速演進，海量的法律文書可以通過智慧化處理來極大地提高效率。我們今天就來分析一下當前state o
基於深度學習的遙感影象分類總概
部落格轉載自：https://blog.csdn.net/qq_40116035/article/details/81414835 傳統的分類方法分兩種：監督分類和非監督分類。監督分類要求對所要分類的地區必須要有先驗的類別知識，即先要從所研究地區中選擇出所有要區分的各類地物的訓練區，用於建立
基於深度學習的推薦系統:綜述與新視角
原文：Deep Learning based Recommender System: A Survey and New Perspectives 作者：張帥, 新南威爾士大學 翻譯：沈春旭，清華大學 隨著線上資訊量的不斷增加，推薦系統已經成為克服這種資訊過載的有效策略。
學習筆記之——基於深度學習的分類網路
之前博文介紹了基於深度學習的常用的檢測網路《學習筆記之——基於深度學習的目標檢測演算法》，本博文為常用的CNN分類卷積網路介紹，本博文的主要內容來自於R&C團隊的成員的調研報告以及本人的理解~如有不當之處，還請各位看客賜教哈~好，下面
第二篇：基於深度學習的人臉特徵點檢測 - 資料與方法（轉載）
https://yinguobing.com/facial-landmark-localization-by-deep-learning-data-and-algorithm/ 在上一篇博文中，我們瞭解了人臉檢測與面部特徵點檢測的背景，並提到了當前技術方案存在特徵點位置不穩定的缺點，需要新的解決
基於深度學習分析與檢索海量短視訊內容
在RTC 2018 實時網際網路大會上，美圖雲視覺技術總監趙麗麗分享了美圖在短視訊領域的AI技術應用，內容主要包括三部分：美圖短視訊的業務場景，基於此業務場景所做的短視訊內容分析和檢索技術，以及遇到的問題與相應的解決方案。最後是平臺構建過程中的一些思考。以下是演講內容整理。 美圖在短視訊領域的代表產品就
【讀書1】【2017】MATLAB與深度學習——示例：多元分類(4)
讓我們逐一檢視。 Let’s take a look one by one. 對於第一幅影象，神經網路認為該圖為4的概率為96.66%。 For the first image, the neural networkdecided it was a 4 by 96.66% pro
基於深度學習和遷移學習的遙感影象場景分類實踐（AlexNet、ResNet）
卷積神經網路（CNN）在影象處理方面有很多出色的表現，在ImageNet上有很多成功的模型都是基於CNN的。AlexNet是具有歷史意義的一個網路，2012年提出來當年獲得了當年的ImageNet LSVRC比賽的冠軍，此後ImageNet LSVRC的冠軍都是都是用CNN做的，並且層
基於深度學習的三維點雲分類的介紹
轉自博主 particle，該文章翻譯自http://www.itzikbs.com/3d-point-cloud-classification-using-deep-learning 在過去的這些年裡，對二維影象已經有了大量深入的研究，並且有著長足的發
基於深度學習的性別分類
所謂性別分類指的是給定一張圖片，輸出其中人臉的性別（男性或者女性），由於準確率比之前有大幅提升，基於深度學習的方法目前佔據了主流，CVPR2015上曾發表了一篇基於AlexNet的論文，詳細分析參見基於 CNN的年齡和性別檢測 其存在的問題如下: 1是結構偏舊，畢竟15年
【讀書1】【2017】MATLAB與深度學習——示例：多元分類(2)
使用交叉熵驅動的學習規則，輸出節點的增量計算如下： Using the cross entropy-driven learningrule, the delta of the output node is calculated as follows: e =d
分享《機器學習實戰基於Scikit-Learn和TensorFlow》中英文PDF原始碼+《深度學習之TensorFlow入門原理與進階實戰》PDF+原始碼
下載：https://pan.baidu.com/s/1qKaDd9PSUUGbBQNB3tkDzw 《機器學習實戰：基於Scikit-Learn和TensorFlow》高清中文版PDF+高清英文版PDF+原始碼 下載：https://pan.baidu.com/s/1IAfr-tigqGE_njrfSA
基於深度學習的人臉識別AI技術謎與思（十四）--臉型識別
所有圖片源自網路，無意冒犯，如覺不適，通知後立即刪除。 本文在頭條號和百家號同步首發 前言 2017年12月25日，百度大腦人臉模組再一次升級，由原來的1.6.9.0升級為2.0.0.0，自此之後，我們的人臉識別就採用最新的版本了。大公司時刻充滿了焦慮感和
基於深度學習的文字分類6大演算法-原理、結構、論文、原始碼打包分享
導讀：文字分類是NLP領域一項基礎工作，在工業界擁有大量且豐富的應用場景。傳統的文字分類需要依賴很多詞法、句法相關的human-extracted feature，自2012年深度學習技術快速發展之後，尤其是迴圈神經網路RNN、卷積神經網路CNN在NLP領域逐漸獲得廣
基於深度學習的文字分類方法庫（NLP）
注：本文翻譯自GitHub上的一篇介紹，介紹了基於深度學習的文字分類問題。程式碼和部分模型介紹在GitHub上，文末有連結。這個庫的目的是探索用深度學習進行NLP文字分類的方法。它具有文字分類的各種基準模型。它還支援多標籤分類，其中多標籤與句子或文件相關聯。雖然這些模型很多都
基於Matconvnet深度學習框架的方言分類（2）
續寫 在前篇文章中，我簡單的介紹了應當如何使用 CNN 來識別和分類語音，並簡單的介紹了 matconvnet 的使用以及example的執行。在下面我會說明如何使用該框架訓練和測試自己的資料。 預處理資料 在上文中，我已經介紹過先將語音樣本生成二維聲譜圖，這樣可以完美的使用 C
基於matconvnet深度學習框架的方言分類（3）
續寫 在（2）中介紹了使用 matconvnet 中提供的examples中的可以訓練cifar資料庫的網路訓練自己的方言樣本資料。接下來介紹使用另外兩種網路 vgg 和 alexnet 這兩種網路模型也都較為經典。 vgg vgg網路模型較為複雜一些，它可以分為vgg-f 、v