fpn *** 结构详解，efficientnet *** 结构

本文目录一览：

• 〖壹〗、小目标检测的 *** 总结
• 〖贰〗、AI面试题第二弹(神经 *** 基础)
• 〖叁〗、【眼底图像项目经验】眼底图像疾病的分类,病灶区域的分割?
• 〖肆〗、平安科技LUNA16冠军 *** 解析
• 〖伍〗、petri网国内外研究动态

小目标检测的 *** 总结

〖壹〗、图片输入层面 基于以上结论，采用多尺度训练过程中，要在避免那些极小的和极大的(多尺度后)带来的不好的影响时，考虑保证目标有足够的多样性。所以在进行多尺度训练过程中，将每种输入尺度下，不满足要求的proposal以及anchor忽略。

〖贰〗、实现 *** ： Oversampling ：我们通过在训练期间对这些图像进行过采样来解决包含小对象的相对较少图像的问题（多用这类图片）。

〖叁〗、**非极大值抑制**：由于滑动窗口会有重叠部分，因此多个窗口可能都检测到同一个目标，造成冗余。非极大值抑制(NMS)可以消除这种冗余，确保每个目标只被检测一次。

〖肆〗、先检测后跟踪的检测算法和先跟踪后检测的算法。反无人机侦测红外小目标的检测算法通常为 先检测后跟踪的检测算法和先跟踪后检测的算法。

〖伍〗、进一步使用一个孤立点消除算法可仅保留小目标的极大值，然后对极大值位置扩展以恢复小目标的边界。

〖陆〗、减少模型方差的一个成功 *** 是训练多个模型而不是单一模型，并结合这些模型的预测。 针对不同的目标检测模型，有3种不同的ensemble boxes *** ：非更大抑制(NMS)、Soft-NMS、Weighted Boxes Fusion(WBF)。

AI面试题第二弹(神经 *** 基础)

〖壹〗、(1)首先随机(临时)删掉 *** 中一半的隐藏神经元，输入输出神经元保持不变(图中虚线为部分临时被删除的神经元) (2) 然后把输入x通过修改后的 *** 前向传播，然后把得到的损失结果通过修改的 *** 反向传播。

〖贰〗、为什么选取我们/为什么要雇佣你（Why you / Why me？）性格特点：优缺点、擅长的事、特征。行为问题：最有成就感的事、如何怎样克服困难、如何体现自己的领导力。

〖叁〗、人工智能出现前的手动解决方案是否足够出色？这个问题的常见答案是：（人类不够出色）我们将用AI取代人类员工。这种答案不足以打动考官，因为通常情况下，“以人为本”是一种值得称道的做法。

【眼底图像项目经验】眼底图像疾病的分类,病灶区域的分割?

眼底先天异常疾病、玻璃体疾病、视网膜血管性疾病、黄斑部疾病、视网膜脉络膜变性疾病、视网膜脉络膜脱离、脉络膜视网膜炎症、视神经疾病、眼底肿瘤及其他疾病、全身病在眼底的表现和眼外伤及职业病的眼底改变等。

RVO是仅次于DR的第二大视网膜血管疾病，其可导致黄斑 水肿、新生血管、视网膜色素上皮改变、视网膜前膜等并发症，容易损伤视力而致盲。其中，黄斑水肿是RVO最常见的并发症，是RVO患者视力下降的最常见原因。

在预测脑肿瘤或者皮肤病变的mask模型中，我们一般将mask图像中的像素分类成1或0，即如果像素中有mask，我们声明为1，如果像素中没有mask，我们声明为0，这种对图像进行逐像素二进制分类称为“语义分割”。

通过查询相关 *** 息显示，眼底分类模型ResNet50：ResNet50是一种深度卷积神经 *** ，能够有效地处理大规模的图像数据，在眼底分类任务中，ResNet50可以通过对眼底图像进行特征提取和分类，实现对不同眼部疾病的诊断。

这主要针对与分割而言，因为一般分割任务的CT和MRI图像是高Intensity的灰度图像，感觉在MLC场景中1和2基本都不咋适用。

解释：眼轴信噪比越高，表示眼轴信号的强度相对噪声更大，图像质量更高，眼底图像更清晰。这对于眼科医生来说非常重要，因为他们需要通过眼底图像来诊断和治疗眼部疾病。如果图像质量不好，就可能会漏诊或误诊。

平安科技LUNA16冠军 *** 解析

〖壹〗、数据预处理。 作者对肺区进行预处理得到128*128*128的立方体，然后使用多尺度策略，生成两个尺寸的小立方体：36 * 48 * 48和20 * 36 * 36。

petri网国内外研究动态

关键词 模糊Petri网；基于规则；推理；知识表示 1 引言 模糊Petri网(Fuzzy Petri Net，FPN)作为一种适合于描述异步、并行、模糊数据的计算机系统模型，被广泛的应用在基于规则的模糊推理系统中。

国内外研究动态和研究现状并不完全一样，它们之间存在一定的区别。研究动态通常指的是某个领域内最新的研究方向、趋势和热点，是动态随时间变化的研究进展。

国内外研究现状查找资料如下：如果需要中文的国外研究现状，直接去中国知网找中文综述类文章和硕博论文的之一章综述部分，就可以查到。

Petri网模型的主要分析 *** 依赖于：可达标识图、关联矩阵和状态方程、不变量 (invariants)和分析化简规则。

而Petri网的形式化程度更高，能够对系统的结构和动态行为进行严密的数学分析和直观的计算机仿真，但是相对比较抽象、比较不易于掌握。