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（Unet论文总结博主)
版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容， 请发送邮件至 [email protected] 举报，一经查实，本站将立刻删除。
