1樓：明天很煩
我在做醫學影象處理也遇到了解析度的問題，不過我做的是二維影象。由於打的深度不同，導致影象的解析度不一樣。將影象解析度標準化之後，分類的準確率在正負百分之二波動。
理論上來說，解析度標準化才是更好的，但是實際結果卻很奇怪，很令人困惑。
感覺做醫學影象的人比較少，如果消除影象解析度不同產生的影響，應該是乙個很大的突破了。這樣就能消除由於儀器的不同，引數設定不同的影響。
2樓：徐夫人的夫人
有必要，參考DSB2017肺結節檢測預處理，可以消除不用機器不用成像引數產生的差異，統一在同樣的解析度下是的演算法可以更加靈活的設計。
3樓：雲雀恭彌
對資料進行了解析度標準化，其效能和直接縮放裁剪相比，基本一致。因此不必浪費功夫在解析度標準化上。還有就是有些資料集的原圖和分割圖，之間的解析度是不一樣，間接決定了不用考慮解析度標準化這個方法
分割線使用3D網路最好對解析度進行標準化，本人用實際行動證明，不標準化帶來的後果有多嚴重，測試集上的結果比驗證集差一大截，最主要的原因還是因為3D醫學影像在z軸解析度是差別太大，如果你不做解析度標準化，會導致泛化能力下降，檢測的時候假陽性會很多。可以只對z軸進行標準化，xy上的解析度變化很小，關鍵是z軸，z軸，z軸（重要的事情說三遍！！！）
用深度學習做影象處理有必要讀博士嗎？
發家致富小能手 作為合夥人的我是完全支援他繼續提高學歷，但前提是你的老闆足夠優秀，好的老闆所提供的學習環境往往是絕大多數企業所無法提供的，而可以提供好的學習環境的企業，不夠優秀是進不去的。所以如何選擇看你個人意向。 the one 這得看個人的未來發展，如果一心一意搞科研當然要讀博了，如果最終還是要...
如何利用深度學習實現影象識別？
大煎餅 借助卷積神經網路或其變體，就可以實現。1 卷積神經網路 卷積神經網路最開始是用於手寫數字的識別，後來也用於影象中物體的識別。卷積神經網路 2 殘差網路 殘差網路是卷積神經網路的改進，新增了跨層連線。殘差網路 3 殘差收縮網路 殘差收縮網路 1 2 在殘差網路中又加入了軟閾值化，減輕了雜訊的影...
請問macbook pro適合進行深度學習訓練嗎？如果不適合，有什麼比較推薦的膝上型電腦嗎？
我最近準備入手Razor Studio 15 i7 9 gen 主要顯示卡RTX Quadro 5000 16GB 視訊記憶體真的是深度學習移動工作站當然筆記本還是主要作為終端想好好搞深度學習還是伺服器推薦雙志強 E5 RTX 2080 Ti Nvlink X 3 1TB DDR4 十分香 4554...