鐵人檔案
前言 接下來出不介紹影像增量的問題。 影像增量 As for our tasks there is very little training data ava...
前言 介紹如何解決細胞分割問題。 細胞相連問題 Another challenge in many cell segmentation tasks is t...
前言 重申問題，說明表現。 影像增量 The resulting network is applicable to various biomedical se...
前言 進入架構的說明，建議與[day-08] 番外 - U-net的程式碼實現 (1) - Conv2D[day-09] 番外 - U-net的程式碼實現 (2...
前言 dropout大危機？這到底是什麼東西？ 架構與程式碼交叉解釋 (3) 萃取特徵的部分使用了5個重複性的架構萃取得到特徵，並在結構4與5加入dropou...
前言 今天介紹 dropout。 架構與程式碼交叉解釋 (4) dropout 主要是剔除與層或數量有關的參數，如果是DNN就是神經元的數量；如果是CNN則是...
前言 之前提及的upampling，對於初學CNN的人比較會不知道細節，今天就來介紹反捲積的細節吧。 upsampling up6 = Conv2D(512,...
呵呵 從此，我學會了連草稿都要備份。 前言 很久以前，人們對於更深的網路已經走火入魔了(？)，但是越深的網路越來越有可能梯度消失，在不斷covolution下，...
前言 因為我對於隨機梯度下降法真的很不熟，所以這一方面我會多著墨點文字去說明。 梯度下降法 The input images and their corres...
前言 Loss function 說明 先了解 softmax的概念 ak(x):activationk代表第k個波段；x是像素位置。 大K：類別數量，如文章...
