大脑皮层功能活动的特点
始动调节 始动调节：大脑皮层的工作能力在工作刚开始的时候水平较低，经过启动过程逐渐提高，这一现象称为始动调节 动力定型 动力定型：身体内外环境中的条件刺激按照一定顺序重复多次后，在大脑皮层上与此相关的神经环路就相对固定 ...
原文：FastSurfer, 使用深度学习加速大脑皮层分割
FastSurfer github:https: github.com Deep MI FastSurfer FastSurfer简介 FastSurfer, 一个快速而准确的基于深度学习的神经医学影像处理管道. 可以实现进行volumetric分析 在GPU上 min , 和在surface上的皮层厚度分析 约 hour . 可以很好地替代Freesufer的处理管道. 主要包含: .FastS ...
2020-12-23 19:09 0 408 推荐指数：
相关推荐
大脑皮层是如何工作的 《人工智能的未来》（）读书笔记
/subject/1834728/ 问题时间： l我们的大脑到底是如何感知这个世界的？ l什么是记 ...
基于深度学习的语义分割
此示例显示如何使用深度学习训练语义分段网络。 语义分割网络对图像中的每个像素进行分类，从而产生按类别分割的图像。语义分割的应用包括用于自主驾驶的道路分割和用于医学诊断的癌细胞分割。有关详细信息，请参阅语义分段基础知识（计算机视觉系统工具箱）。 为了说明训练过程，本例训练SegNet ...
深度学习模型压缩与加速
简介 将深度学习模型应用于自动驾驶的感知任务上，模型预测结果的准确性和实时性是两个重要指标。一方面，为了确保准确可靠的感知结果，我们会希望选择多个准确性尽可能高的模型并行执行，从而在完成多种感知任务的同时，提供一定的冗余度，但这不可避免的意味着更高的计算量和资源消耗。另一方面，为了确保车辆 ...
深度学习模型压缩与加速
深度神经网络在人工智能的应用中，包括语音识别、计算机视觉、自然语言处理等各方面，在取得巨大成功的同时，这些深度神经网络需要巨大的计算开销和内存开销，严重阻碍了资源受限下的使用。模型压缩是对已经训练好的深度模型进行精简，进而得到一个轻量且准确率相当的网络，压缩后的网络具有更小的结构和更少的参数 ...
深度学习-图像分割
NI-DL 应用框架：图像分类，目标检测，分割提取。 底层：TensorFlow，Keras，Cuda，C/C++ 上层：VC++，C#.NET Winform 源码编译，支持本地部署，云部署。 图像分类：点击查看 目标检测：点击查看 图像分割：点击查看 （本文 ...
深度学习-语义分割总结
深度学习-语义分割总结 翻译自qure.ai 什么是语义分割 对图片的每个像素都做分类。 较为重要的语义分割数据集有：VOC2012 ...
语义分割：基于openCV和深度学习（一）
语义分割：基于openCV和深度学习（一） Semantic segmentation with OpenCV and deep learning 介绍如何使用OpenCV、深度学习和ENet架构执行语义分段。阅读完今天的文章后，能够使用OpenCV对图像和视频应用语义分割。深度学习有助于提高 ...