CJH's blog

猫狗分类数据增强（仅作展示） 8000的数据量增强后就得到40000张图片了。 从左到右分别是：原图(1)，左右反转(2)，几何随机反转(3)，对比度变化(4)，噪音变化(5)。 模型与算法 模型主要分为4个内容， 特征提取：HOG方向梯度直方图,LBP。 降维：PCA主成分分析法。 分类模型：SVM支持向量机。 HOG（Histogram of Oriented Gradients）HOG（方向梯度直方图）是一种描述图像局部形状特征的方式，广泛用于物体检测任务中（如行人检测）。HOG 的核心思想是：利用图像局部区域的梯度方向分布来描述物体的边缘信息。 灰度化图像因为边缘信息主要由强度变化决定，所以通常将彩色图像转换为灰度图。 计算梯度（常用Sobel算子）对图像进行横向（x）和纵向（y）方向的梯度计算： G_x = I * \begin{bmatrix} -1 & 0 & 1 \\ -2 & 0 & 2 \\ -1 & 0 & 1 \end{bmatrix}, \quad G_y = I * \begin{bmatrix} -1 & -2 & -1 \\ 0 & 0 & ...

论文精读（十）2D超声心动图视频到3D心脏形态重建 2D echocardiography video to 3D heart shape reconstruction for clinical application - ScienceDirect 论文内容整理：2D超声心动图视频到3D心脏形态重建的流程、方法和核心（AI生成) 图3。2D TTE至4D LV形状生成框架的概述。 TTE检查是从医院收集的。 数据已被取消识别，并删除了元数据。 A2C，A3C和A4C非多普勒视图将自动识别，分割，时间对齐并将其带入规范位置。 2D至3D重建网络用于产生初始形状。 然后，通过优化换能器位置和网络权重来迭代完善这种形状，直到生成形状的呈现的横截面与每个视图的输入分割映射匹配。 3D形状通过框架优化。 1. 研究背景 本研究的核心目标是从2D超声心动图（TTE）视频自动重建4D（3D+时间）左心室（LV）形态，形成个性化的数字孪生模型。该模型能够提高心脏超声数据的解读能力，帮助自动分析左心室体积变化、心肌梗死区域定位，并识别新的临床生物标志物。 传统的TTE仅能提供2D平面图像， ...

ROC曲线 参考资料 ROC & AUC 题目 如何绘制ROC曲线？ Ø Why？（Introduction） Ø What？（Formulation） Ø How？（Pseudo Code& Demo Visualization） Ø When？（Limitations and More） AI生成内容 此文本格式为本人理解。 ROC（Receiver Operating Characteristic）曲线是评估二分类模型性能的重要工具。下面按照 Why（为什么）、What（定义）、How（如何实现）、When（适用性与局限性） 四个方面来讲解如何绘制 ROC 曲线。 1. Why？（为什么需要 ROC 曲线？） 在二分类问题中，我们通常使用模型预测概率，并通过设定一个阈值（threshold）**来决定分类结果。然而，选择不同的阈值会影响模型的**假阳性率（FPR）**和**真阳性率（TPR），因此我们需要 ROC 曲线 来直观展示这种权衡。 ROC 曲线的作用： 比较不同模型的分类性能 选择最佳决策阈值 计算 AUC（曲线下面积），评估模型的整体性能 检查模 ...

Pointnet和Pointnet++ 原文链接：https://blog.csdn.net/m0_47294706/article/details/135895830 论文介绍地址（Paper，Code，Presentation video and Slides） PointNet：https://web.stanford.edu/~rqi/pointnet/ PointNet++：https://web.stanford.edu/~rqi/pointnet2/ 建议直接看b站的5分钟讲解。 【[5分钟点云学习] #01 最远点采样 FPS】 https://www.bilibili.com/video/BV1oT411x7TH/?share_source=copy_web&vd_source=bd967f0d540a64617b8b612bc0f0f9a3 一、PointNet & PointNet++：问题陈述（Problem Statement） 由于点云的无序性，直接操作点云比较困难 - PointNet解决（使用具有置换不变性的对称函数） [视频链接： ...

论文精读（九）ImplicitAtlas：学习医学成像中的可变形形状模板 CVPR 2022 Open Access Repository 图 3.ImplicitAtlas 概述。 (a) 模型管道。 该模型由隐式模板网络（T）和隐式变形网络（D）组成。 给定一个潜在代码 h，它通过 STE-Softmax 选择一个潜在模板 t，以使用 T 生成模板。它还产生一个潜在变形 d，以使用 D 从模板生成变形场。它们组合起来产生一个占用场， 这是最终的输出。 (b) 解码器的网络架构。 给定一个潜在特征，它以卷积方式构建多尺度特征图。 对于查询坐标 p = (x, y, z)，它通过在多尺度特征图上插值来聚合局部和全局特征。 最后，将坐标和插值特征输入 MLP 以进行最终输出。 Abstract 深度隐式形状模型在整个计算机视觉社区中已经很流行，但在生物医学应用中却不太流行。 部分原因是大型训练数据库不存在，部分原因是生物医学注释通常很嘈杂。 在本文中，我们表明，通过在深度学习管道中引入模板，我们可以克服这些问题。 所提出的框架名为 ImplicitAtlas，将形状表示为来自学习模 ...

局部最优投影 LOP 局部最优投影（Locally Optimal Projection, LOP）是一种用于点云重采样和表面重建的经典方法，其核心思想是通过优化策略将输入点云投影到光滑的表面上，从而生成更接近目标表面的点集。LOP 算法被广泛用于计算机图形学和几何处理领域，尤其是在点云表面重建、降噪和采样密度均匀化方面。 主要作用：生成均匀分布的点集，改善点云的质量。去除点云数据中的噪声，生成更光滑的点云表示。为隐式或显式表面重建提供高质量的输入点集。减少点云中的冗余数据，同时保持表面结构和几何细节。使点云分布均匀，避免点云集中在高密度区域。通过局部邻域信息计算全局优化，使点云在保留细节的同时实现全局平滑性。 原论文：Parameterization-free projection for geometry reconstruction | ACM Transactions on Graphics https://blog.csdn.net/xinxiangwangzhi_/article/details/132011515?fromshare=blogdetail&shar ...

UODF 无符号正交距离场 无符号正交距离场（Unsigned Orthogonal Distance Field, UODF）的基本原理是通过空间中的每个点到目标表面最近点的距离来隐式表示三维模型。这一方法的关键在于准确计算点到表面的正交距离并构建无符号场。 UDF（Unsigned Distance Field，无符号距离场）和 UODF（Unsigned Orthogonal Distance Field，无符号正交距离场）的主要区别在于计算距离时是否考虑点到表面的正交性和距离场的精确性。这两种方法虽然都属于隐式几何表示，但在距离计算方式和应用场景上有所不同。 1.核心区别 2.距离计算方式 UDF： 仅关注空间点 x\mathbf{x}x 到表面上最近点 p\mathbf{p}p 的欧几里得距离。最近点可通过以下公式计算： dUDF(x)=min⁡p∈S∥x−p∥d_{\text{UDF}}(\mathbf{x}) = \min_{\mathbf{p} \in S} \|\mathbf{x} - \mathbf{p}\| dUDF​(x)=p∈Smin​∥x−p∥ 不考虑距 ...

非流形边Non-Manifold Edges 好博客：[Non-Manifold Edges in 3D Printing – What They Are and How to Fix Them - 3D Insider](https://3dinsider.com/non-manifold-edges-3d-printing/#:~:text=Non-manifold edges refer to the edges of an,other%2C areas with no thickness%2C and internal walls.) 参考博客：How to fix non-manifold geometry issues on 3D models 3D建模软件可以成为很好的工具，因为它们使您能够将想法转化为形状。另一方面，当你遇到设计问题时，它们可能会变成一场噩梦，比如非流形边。通常情况下，您可以上传3D文件进行3D打印，但由于它包含非流形几何形状，因此无法打印。在这篇文章中，除了我们为您提供的关于如何修复3D文件的其他指导方针外，我们还将尝试找出如何修复非流形问题并防止发生 ...

样条函数Spline 样条函数：曲线拟合的利器 在数学和工程领域，样条函数是一种用于数据拟合和平滑曲线的数学工具。它不仅能够提供对数据点的精确拟合，还能保证曲线在连接处的平滑过渡。本文将简要介绍样条函数的基本概念和应用。 样条函数的起源 样条函数（Spline Function）的概念最早来源于造船业。在设计船体时，为了得到平滑的曲线，工匠们会使用一种叫做“样条”的柔性木条，通过弯曲样条来拟合船体的轮廓。后来，这个概念被数学家们抽象化，形成了样条函数这一数学模型。 样条函数的定义 样条函数通常指的是分段定义的多项式函数，每一段都是一个多项式，而在分段点（称为结点）处，这些多项式不仅值相等，而且它们的导数（一阶导数、二阶导数等）也相等，从而保证了曲线的平滑性。 数学表达 样条函数可以用数学公式来具体描述。以二次样条为例，其在每个区间上的表达式为： S(x)=ai+bi(x−xi)+ci(x−xi)2S(x) = a_i + b_i(x - x_i) + c_i(x - x_i)^2 S(x)=ai​+bi​(x−xi​)+ci​(x−xi​)2 其中，ai,bi,cia_i, b_i, ...

BRDF双向反射分布函数 关于BRDF的朴素解释 - 知乎 (zhihu.com) BRDF知识梳理 - 知乎 (zhihu.com) 非常硬核，图形学知识。需要理解辐射度量学。 BRDF要解决的问题很简单。我们想知道，当一束光照射到物体表面，我们从某一个角度观察该物体时，有多少光进入的我们的眼睛，并且又呈现出了什么样的颜色？ BRDF，全称为双向反射分布函数（Bidirectional Reflectance Distribution Function），是用于描述物体表面如何反射光线的一个函数。具体来说，它定义了物体表面在一个入射方向的光线经过散射后沿不同反射方向的分布情况。 BRDF 通常表示为fr(ωi,ωr)f_r(\omega_i, \omega_r)fr​(ωi​,ωr​)，其中： ωi\omega_iωi​ 是入射光的方向。 ωr\omega_rωr​ 是反射光的方向。 BRDF 的单位是 sr−1m2\frac{sr^{-1}}{m^2}m2sr−1​，代表每个单位入射辐射的能量如何在不同反射方向上分布。 BRDF 的特性： 能量守恒：物体表面不能反射比入射的光 ...