- 综合排序
- 最热优先
- 最新优先
- 来自专栏CV学习史
NiftyNet 数据预处理
NiftyNet项目介绍 使用NiftyNet时，我们需要先将图像数据和标签进行一次简单的处理，得到对应的.csv文件。 list_label_path}) label_dataframe.to_csv('C:\\Users\\fan\\Desktop\\demo\\train\\label.csv', index=False) NiftyNet
61220发布于 2019-09-10 - 来自专栏CV学习史
NiftyNet项目介绍
NiftyNet项目介绍 简述 NiftyNet是一款开源的卷积神经网络平台，旨在通过实现医学图像分析的深度学习方法和模块，支持快速原型和再现性，由WEISS (Wellcome EPSRC Centre NiftyNet项目的实现基于tensorflow，实现了一整套的DeepLearning流程。将数据加载、模型加载，网络结构定义等进行了很好的分离，抽象封装成了各自独立的模块。 NiftyNet基础架构是使研究人员能够快速开发和分发用于分割、回归、图像生成和表示学习应用程序，或将平台扩展到新的应用程序的深度学习解决方案。 即NiftyNet支持： 图像分割 图像分类（回归） auto-encoder（图像模型表示） GANs（图像生成） NiftyNet平台获得：http://niftynet.io -Project Interpreter中选择对应的解释器版本，并点+来进行安装tensorflow和niftynet。
67230发布于 2019-09-10 - 来自专栏CV学习史
niftynet Demo分析 -- brain_parcellation
运行流程 假定我们已经下载好了demo 使用命令 python net_segment inference -c ~/niftynet/extensions/highres3dnet_brain_parcellation /highres3dnet_config_eval.ini 来运行网络 主流程 进入net_segment.py 进入niftynet.main() 获取用户参数 *1 参数更新 更新模型路径
67820发布于 2019-09-10 - 来自专栏CV学习史
NiftyNet开源平台的使用 -- 配置文件
NiftyNet开源平台的使用 NiftyNet基础架构是使研究人员能够快速开发和分发用于分割、回归、图像生成和表示学习应用程序，或将平台扩展到新的应用程序的深度学习解决方案。 详细介绍请见： (https://www.cnblogs.com/zhhfan/p/9800473.html) 官网 (https://niftynet.readthedocs.io/en/latest /config_spec.html) NiftyNet工作流可以由NiftyNet应用程序和配置文件完全指定。 model_dir: 训练模型的保存和加载路径 * dataset_split_file: 文件分配科目到子集 * event_handler: 事件处理器 [NETWORK] * name: niftynet 的采样到累积直方图的似然 balanced: 每个标签都被采样的可能性同样 resize: 将进入网络的图片首先resize到spatial_window_size * queue_length: NiftyNet
1.1K30发布于 2019-09-10 - 来自专栏机器之心
资源 | NiftyNet：开源的卷积神经网络和医疗影像分析平台
选自NiftyNet 作者：Eli Gibson等 机器之心编译 参与：蒋思源、李亚洲 近日，外科研究中心 WEISS、UCL 医疗影像计算中心（CMIC）和 HIG 等研究机构共同开源了 NiftyNet NiftyNet 是一个基于 TensorFlow 的开源卷积神经网络平台，来研究医疗影像分析和影像导向的治疗。NiftyNet 有着模块化的架构设计，能够共享网络架构和预训练模型。 NiftyNet 官网地址：http://www.niftynet.io/ GitLab 代码地址：https://cmiclab.cs.ucl.ac.uk/CMIC/NiftyNet 特征 NiftyNet 论文：NiftyNet: a deep-learning platform for medical imaging ? 本研究提供了一个开源的深度学习医疗影像平台 NiftyNet。NiftyNet 的目标是加速和简化这些解决方案的开发，并为研究社区提供一个开放的机制来使用、适应和构建各自的研究成果。
1.5K90发布于 2018-05-10 - 来自专栏视觉求索无尽也
【Research】Explore ChestX-ray Dataset
ReferenceCode: nih-chest-xray X-Net: Classifying Chest X-Rays Using Deep Learning@github ReferenceCode:NiftyNet 吴恩达团队工作主页:CheXNet: Radiologist-Level Pneumonia Detection on Chest X-Rays with Deep Learning 医学影像分析工具：niftynet
4.6K41发布于 2018-09-10 - 来自专栏我爱计算机视觉
强调模型可复现性！英伟达与伦敦国王学院开源医学AI框架 MONAI
基于NVIDIA Clara, NiftyNet, DLTK and DeepNeuro等库。
73210发布于 2020-04-24 - 来自专栏AI算法修炼营
基础积累 | 图像分割损失函数最全面、最详细总结，含代码
paper: http://www.rogertam.ca/Brosch_MICCAI_2015.pdf tf code: https://github.com/NifTK/NiftyNet /blob/df0f86733357fdc92bbc191c8fec0dcf49aa5499/niftynet/layer/loss_segmentation.py#L392 """
6.6K21发布于 2020-07-02 - 来自专栏CVer
一文看尽15种语义分割损失函数（含代码解析）
paper: http://www.rogertam.ca/Brosch_MICCAI_2015.pdf tf code: https://github.com/NifTK/NiftyNet /blob/df0f86733357fdc92bbc191c8fec0dcf49aa5499/niftynet/layer/loss_segmentation.py#L392 """
16.3K42发布于 2020-07-07
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号