精华内容
下载资源
问答
  • 本测试方法定义了故障分级程序并指定了被测设备的制造测试程序必须检测到故障的级别。 不包括参数故障。 故障分级的另一个术语是故障模拟。 故障分级适用于所有数字电路,包括混合信号和线性电路的数字部分。...
  • glareFX Dirt Lens Effect AAA游戏镜头光晕效果,用于优化UE4场景后期的灯光色调效果。里面有各种类型的色彩分级效果以及相关素材。
  • Autodesk Grading Optimization 是一款交互式工具,可帮助您对各种土地区域(例如场地、道路立交和环绕结构)进行放坡。该工具包含的优化算法可提高表面平滑度,同时满足用户施加的约束条件。这些设计约束包括放坡和...
  • 一些脚本可简化NYU类的评分。 ./init将脚本添加到$ PATH。 grade -s在每个学生目录中创建一个comments.md文件模板,以及一个“进行中”指示符以防止意外覆盖。 grade -g循环浏览注释文件,提取成绩,并记录在...
  • AEC-Q100-007B:2007 Fault Simulation and Test Grading - 完整英文电子版(25页).zip
  • 分级分配服务
  • 论文评分系统 需要 Java 8 和 Maven 3 Wordnet(在数据/模型文件夹中)句子检测器、带有标签字典的 Maxent 模型和数据/模型中的解析器模型) 从下面的链接下载训练数据并放入 data/Answer_datasets ...
  • Grading

    2017-12-27 15:38:49
    Grading hundreds of thousands of Graduate Entrance Exams is a hard work. It is even harder to design a process to make the results as fair as possible. One way is to assign each exam problem

    题目描述
    Grading hundreds of thousands of Graduate Entrance Exams is a hard work. It is even harder to design a process to make the results as fair as possible. One way is to assign each exam problem to 3 independent experts. If they do not agree to each other, a judge is invited to make the final decision. Now you are asked to write a program to help this process. For each problem, there is a full-mark P and a tolerance T(

    #include <iostream>
    #include <cmath>
    #include <cstdio>
    using namespace std;
    
    int fullmark;
    int T;
    int G1,G2,G3,GJ;
    double avg;
    
    int main()
    {
        while(cin>>fullmark>>T>>G1>>G2>>G3>>GJ){
            if(abs(G1-G2) <= T){
                avg = (G1 + G2) * 1.0 / 2;
            }else if(abs(G1 - G3) <= T && abs(G2 - G3) <= T){
                avg = max(max(G1,G2),G3) * 1.0;
            }else if(abs(G1 - G3) <= T || abs(G2 - G3) <= T){
                if(abs(G1 - G3) <= T && abs(G2 - G3) > T){
                    avg = (G1 + G3) * 1.0 / 2;  
                }else if(abs(G2 - G3) <= T && abs(G1 - G3) > T){
                    avg = (G2 + G3) * 1.0 / 2;
                }
            }else{
                avg = GJ * 1.0; 
            }
            printf("%.1f\n",avg);   
        }
    
        return 0;
     } 
    展开全文
  • 学生在课堂上的表现方式正在尝试学习。考试的分数(例如,按班级列示班级考试,期末考试,出勤率)。数据集由教育管理系统所提取。
  • 介绍 这是一个系统,借助scikit-learn,Keras,Seaborn,Gensim,NLTK,普罗蒂,矮胖,熊猫。 有关更多详细信息,请参阅unpublished-conference-paper.pdf 。 抽象的 摘要-基于人的评分论文的任务由于需要的时间长...
  • 程序自动评分系统研究,杨萌,赵欣艳,本文所研究的重点在于实现自动评判Java程序的方法。在进行研究的过程中,首先分析整理出了自动评分系统的情节卡,并给它们排出了��
  • 题目1002:Grading

    2013-09-19 10:06:06
    Grading hundreds of thousands of Graduate Entrance Exams is a hard work. It is even harder to design a process to make the results as fair as possible. One way is to assign each exam problem to 3 ...
  • Color Grading 颜色分级 后期处理系列11

    千次阅读 2019-06-25 15:53:33
    Color Grading 颜色分级 本文档主要是对Unity官方手册的个人理解与总结(其实以翻译记录为主:>) 仅作为个人学习使用,不得作为商业用途,欢迎转载,并请注明出处。 文章中涉及到的操作都是基于Unity2018.4版本 ...

    Color Grading 颜色分级

    本文档主要是对Unity官方手册的个人理解与总结(其实以翻译记录为主:>)
    仅作为个人学习使用,不得作为商业用途,欢迎转载,并请注明出处。
    文章中涉及到的操作都是基于Unity2018.4版本
    参考链接:https://github.com/Unity-Technologies/PostProcessing/wiki/Color-Grading

    Color grading is the process of altering or correcting the color and luminance of the final image. You can think of it like applying filters in software like Instagram.
    颜色分级是改变或矫正最终图像的颜色和亮度的过程。你可以把它想象成在Instagram这样的软件中应用了滤镜。
    在这里插入图片描述
    The Color Grading effect comes with three modes:
    颜色分级效果有三种模式:

    • Low Dynamic Range: this mode is aimed at lower-end platforms but it can be used on any platform. Grading is applied to the final rendered frame clamped in a [0,1] range and stored in a standard LUT.
      这种模式针对的是低端平台,但可以在任何平台上使用。分级应用于最终渲染帧,帧夹取在[0,1]范围内,并存储在标准色彩对照表(LUT)中。
    • High Dynamic Range: this mode is aimed at platforms that support HDR rendering. All the color operations will be applied in HDR and stored into a 3D log-encoded LUT to ensure a sufficient range coverage and precision (Alexa LogC El1000).
      此模式针对支持HDR渲染的平台。所有的颜色操作都将应用于HDR中,并存储到3D log-encoded的LUT中,以确保有足够的覆盖范围和精度。
    • External: this mode allows you to provide a custom 3D LUT authored in an external software.
      此模式允许您提供自定义的3D LUT,通过外部软件中编写的方式。

    Requirements

    • Shader Model 3

    See the Graphics Hardware Capabilities and Emulation page for further details and a list of compliant hardware.

    Global Settings
    在这里插入图片描述
    Note: these are only available for the Low Definition Range and External modes.
    注意:只有LDR和External模式有效

    Properties

    PropertyFunction
    Lookup TextureLDR: A custom lookup texture (strip format, e.g. 256x16) to apply before the rest of the color grading operators. If none is provided, a neutral one will be generated internally. External: A custom 3D log-encoded texture. TODO: tutorial
    查找纹理LDR:自定义查找纹理(条状格式,如256x16),在其他颜色分级操作之前应用。如果没有提供,则在内部生成一个非彩色的。External:一个自定义的3D log-encoded 纹理
    ContributionLDR: How much of the lookup texture will contribute to the color grading.
    影响LDR:查找纹理会影响到颜色分级的程度

    Note: volume blending between multiple LDR lookup textures is supported but only works correctly if they’re the same size. For this reason it is recommended to stick to a single LUT size for the whole project (256x16 or 1024x32).
    注意:支持多个LDR查找纹理之间的体积混合,但只有当纹理的大小相同时才能正确工作。因此,建议在整个项目中坚持使用单一的LUT大小(256x16或1024x32)。

    Tonemapping

    Tonemapping is the process of remapping HDR values of an image into a range suitable to be displayed on screen. Tonemapping should always be applied when using an HDR camera, otherwise values color intensities above 1 will be clamped at 1, altering the scenes luminance balance.
    色调映射是将图像的HDR值重新映射到屏幕上适合的显示范围的过程。使用HDR相机时应始终使用色调映射,否则值大于1的颜色强度将被夹取到1,从而改变场景的亮度平衡。

    The High Definition Range mode comes with 4 tonemapping operators:
    HDR模式有4个色调映射操作:

    • None: no tonemapping will be applied. 无

    • Neutral: only does range-remapping with minimal impact on color hue & saturation and is generally a great starting point for extensive color grading.
      非彩色:只重新映射对色彩色调和饱和度的影响最小范围,通常是广泛的色彩分级的一个很好的起点。

    • ACES: uses a close approximation of the reference ACES tonemapper for a more filmic look. Because of that, it is more contrasted than Neutral and has an effect on actual color hue & saturation. Note that if you enable this tonemapper all the grading operations will be done in the ACES color spaces for optimal precision and results.
      使用一个接近参考ACES色调映射器的更接近电影的效果。正因为如此,它比Neutral更有对比,并对实际色彩色调和饱和度有影响。请注意,如果您启用此调色器,所有的分级操作都将在ACES颜色空间中进行,以获得最佳的精度和结果。

    • Custom: a fully parametric tonemapper. 自定义
      在这里插入图片描述
      Note: these are only available for the High Definition Range mode.
      注意:这些只适用于HDR模式。

    Properties
    Note: Custom is the only tonemapper with settings. 注:只有自定义才需要调色器。

    PropertyFunction
    Toe StrengthAffects the transition between the toe and the mid section of the curve. A value of 0 means no toe, a value of 1 means a very hard transition.
    脚趾强度影响脚趾与曲线中段之间的过渡。值0表示没有脚趾,值1表示过渡非常困难。
    Toe LengthAffects how much of the dynamic range is in the toe. With a small value, the toe will be very short and quickly transition into the linear section, and with a longer value having a longer toe.
    脚趾长度影响脚趾的动态范围。数值越小,脚趾越短,越快过渡到线段,数值越大,脚趾越长。
    Shoulder StrengthAffects the transition between the mid section and the shoulder of the curve. A value of 0 means no shoulder, value of 1 means a very hard transition.
    肩部强度影响曲线中部和肩部之间的过渡。值0表示没有肩膀,值1表示过渡非常困难。
    Shoulder LengthAffects how many F-stops (EV) to add to the dynamic range of the curve.
    肩部长度影响向曲线的动态范围添加多少个光圈数 (EV)。
    Shoulder AngleAffects how much overshot to add to the shoulder.
    肩部角度影响要添加到肩部的超调量。
    GammaApplies a gamma function to the curve.
    Gamma对曲线应用伽马函数。

    White Balance
    在这里插入图片描述

    PropertyFunction
    TemperatureSets the white balance to a custom color temperature.
    温度将白平衡设置为自定义色温。
    TintSets the white balance to compensate for a green or magenta tint.
    色彩设置白平衡以补偿绿色或品红色。

    Tone
    在这里插入图片描述
    (译注:少显示了一个属性)

    PropertyFunction
    Post-exposureAdjusts the overall exposure of the scene in EV units. This is applied after HDR effect and right before tonemapping so it won’t affect previous effects in the chain.Note: Only available with the High Definition Range mode.
    后曝光调整场景的整体曝光度。这是在HDR效果之后和调色之前应用的,所以它不会影响之前的效果。注:只适用于HDR模式。
    Color FilterTints the render by multiplying a color.
    颜色过滤通过乘以颜色来给渲染器着色。
    Hue ShiftShifts the hue of all colors.
    色调偏移改变所有颜色的色调。
    SaturationPushes the intensity of all colors.
    饱和度推动所有颜色的强度。
    BrightnessMakes the image brighter or darker. Note: Only available with the Low Definition Range mode.
    亮度使图像变亮或变暗。注意:只适用于LDR模式。
    ContrastExpands or shrinks the overall range of tonal values.
    对比度扩展或缩小色调值的总体范围。

    Channel Mixer 通道混合器

    This is used to modify the influence of each input color channel on the overall mix of the output channel. For example, increasing the influence of the green channel on the overall mix of the red channel will adjust all areas of the image containing green (including neutral/monochrome) to become more reddish in hue.
    这用于修改每个输入颜色通道对输出通道总体混合的影响。例如,增加绿色通道对红色通道整体混合的影响,将调整包含绿色(包括neutral/单色)的图像的所有区域,使其色调变得更红。

    在这里插入图片描述
    Properties

    PropertyFunction
    ChannelSelects the output channel to modify.
    通道选择要修改的输出通道
    RedModifies the influence of the red channel within the overall mix.
    红色修改红色通道对要修改的输出通道整体混合的影响程度

    Trackballs 轨迹球

    The trackballs are used to perform three-way color grading. Adjusting the position of the point on the trackball will have the effect of shifting the hue of the image towards that color in the given tonal range. Different trackballs are used to affect different ranges within the image. Adjusting the slider under the trackball offsets the color lightness of that range.
    轨迹球用于执行三种颜色分级。在给定的色调范围内,调整轨迹球上的点的位置将产生将图像的色调向该颜色偏移的效果。不同的轨迹球用于影响图像中的不同范围。调整轨迹球下方的滑块会偏移该范围内的颜色亮度。

    Note: you can right-click a trackball to reset it to its default value. You can also change the trackballs sensitivity by going to Edit -> Preferences -> PostProcessing.
    注意:您可以右键单击轨迹球将其重置为默认值。您还可以通过进入Edit -> Preferences -> PostProcessing来更改跟踪球的灵敏度。

    Properties

    PropertyFunction
    LiftAdjusts the dark tones (or shadows).
    起步调整暗色调(或阴影)
    GammaAdjusts the mid-tones.
    伽玛调整中部色调
    GainAdjusts the highlights.
    增益调整高亮部分

    Grading Curves

    Grading curves are an advanced way to adjust specific ranges in hue, saturation or luminosity in your image. By adjusting the curves on the eight available graphs you can achieve the effects of specific hue replacement, desaturating certain luminosities and much more.
    分级曲线是一种先进的方法来调整特定范围的色调,饱和度或亮度在您的图像。通过调整八个可用的图形曲线,您可以实现特定色调替换、降低某些亮度和饱和度等效果。

    YRGB Curves

    These curves, also called Master, Red, Green and Blue affect the selected input channels intensity across the whole image. The X axis of the graph represents input intensity and the Y axis represents output intensity for the selected channel. This can be used to further adjust the appearance of basic attributes such as contrast and brightness.
    这些曲线也称为主曲线、红曲线、绿曲线和蓝曲线,它们影响整个图像中所选输入通道的强度。图形的X轴表示输入强度,Y轴表示所选通道的输出强度。这可以用来进一步调整外观的基本属性,如对比度和亮度。

    在这里插入图片描述
    Note: these curves are only available with the Low Definition Range mode.
    注意:这些曲线只适用于LDR模式。

    Hue vs Hue

    Used to shift hues within specific ranges. This curve shifts the input hue (X axis) according to the output hue (Y axis). This can be used to fine tune hues of specific ranges or perform color replacement.
    用于在特定范围内变换色调。该曲线根据输出色相(Y轴)来移动输入色相(X轴)。这可以用来微调特定范围的色调或执行颜色替换。
    在这里插入图片描述
    Hue vs Sat

    Used to adjust saturation of hues within specific ranges. This curve adjusts saturation (Y axis) according to the input hue (X axis). This can be used to tone down particularly bright areas or create artistic effects such as monochromatic except a single dominant color.
    用于在特定范围内调整色调的饱和度。该曲线根据输入色调(X轴)调整饱和度(Y轴)。这可以用来降低特别明亮的区域或创造艺术效果,如单色,除了一个单一的主导颜色。
    在这里插入图片描述
    Sat vs Sat

    Used to adjust saturation of areas of certain saturation. This curve adjusts saturation (Y axis) according to the input saturation (X axis). This can be used to fine tune saturation adjustments made with settings from the Tone section.
    用于调整某些饱和度区域的饱和度。该曲线根据输入饱和度(X轴)调整饱和度(Y轴)。这可以从色调部分调整与设置来微调饱和度。
    在这里插入图片描述
    Lum vs Sat

    Used to adjust saturation of areas of certain luminance. This curve adjusts saturation (Y axis) according to the input luminance (X axis). This can be used to desaturate areas of darkness to provide an interesting visual contrast.
    用于调整某些亮度区域的饱和度。该曲线根据输入亮度(X轴)调整饱和度(Y轴)。这可以用来降低黑暗区域的饱和度,提供一个有趣的视觉对比。
    在这里插入图片描述

    展开全文
  • Color Grading 1. All None : 可以看作是效果开关 2. Mode:设置清晰度,默认高清晰度 Low Definition Range 低清晰度,适用于低端平台 High Definition Range 高清晰度,适用于支持 HDR 渲染的平台 ...

    安装组件
    Ambient Occlusion—环境光遮蔽
    Anti-aliasing–抗锯齿
    Auto Exposure–自动曝光
    Bloom–柔光
    Chromatic Aberration–色差
    Color Grading–颜色分级
    Depth of Field–景深
    Grain–颗粒
    Lens Distortion–镜头扭曲
    Motion Blur–运动模糊
    Screen Space Reflections–屏幕空间反射
    Vignette–渐晕

    Color Grading

    在这里插入图片描述

    1. All None : 可以看作是效果开关
    2. Mode:设置清晰度,默认高清晰度
    属性说明
    Low Definition RangeLDR。
    低端设备提供的方案,将偏色存储在标准LUT中。
    LDR的Lookup Texture一般使用的是256x16大小,也可以使用1024x32,但是在一个项目中需要使用统一的分辨率,避免多个Volume之间混合时计算错误。
    使用Gamma&Linear ColorSpace
    High Definition RangeHDR。
    支持HDR的平台提供的方案
    只能使用Linear ColorSpace
    External为第三方软件自定义的3D log-encoded Texture提供的方案
    只能使用Linear ColorSpace
    3. Tonemapping:色调映射(默认是none)

    在这里插入图片描述

    属性说明
    Neutral对画面颜色进行重新映射,对色相和饱和度的影响最小
    ACES系统自动计算当前需要的色调
    Custom自定义设置,Tonemapping的不同效果主要在于映射曲线的不同。
    - Toe Strength : 设置前段到中段的曲线的过渡,0代表无坡度,1代表较强的过渡。
    - Toe Length :设置坡度的动态范围,值越小,坡度越短,过渡越快。
    - Shoulder Strength :设置中段到末端曲线的过渡,0代表无过渡,1代表较强的过渡。
    - Shoulder Length : 设置F-stops(EV)的动态范围。
    - Shoulder Angle : 设置末端曲线下压的值。
    - Gamma : 叠加一个gamma函数。

    4. White Balance : 白平衡

    属性说明
    Temperature设置自定义色温。
    当色温匹配时,会呈现白色,当画面色温高于设定值会呈现暖色(黄色),当画面色温低于设定值会呈现冷色(蓝色)。
    Tint设置白平衡的偏色为绿色或品红色。
    在某些色温下颜色可能看起来为黄色或蓝色,偏色可以让白平衡产生的颜色更自然。
    5. Tone : 色调

    在这里插入图片描述

    属性说明
    Post-exposure曝光. 仅在HDR模式下可用。以EV单位设置场景的整体曝光值。该选项在HDR效果之后和色调映射之前应用,因此不会影响链中的先前效果。
    Color filter颜色过滤 设置一个偏色。
    Hue shift调整色相 调整色相。
    Saturation饱和度
    Brightness亮度 仅在LDR模式下可用。
    Contrast对比度
    6. Channel Mixer : 通道混合

    使用通道混合器可以修改每个输入颜色通道对输出通道整体混合的影响。
    例如,增加绿色通道对红色通道整体混合的影响,将调整包含绿色的图像的所有区域(包括中性/单色),使其色调变得更红。
    比如,选择绿色通道,此时是默认数值.

    在这里插入图片描述
    在这里插入图片描述
    调整蓝色选项的数值,会发现天空变成了绿色

    在这里插入图片描述
    在这里插入图片描述
    简单来说,就是将此通道(Green)内被选中的颜色(Blue)向通道颜色(Green)变化,让蓝色区域更绿

    7. Trackballs : 轨迹球

    使用轨迹球执行三向颜色分级。调整轨迹球上该点的位置,以在给定的色调范围内将图像的色调移向该颜色。不同的轨迹球用于影响图像中的不同范围。调整轨迹球下方的滑块以抵消该范围的颜色亮度。
    右击轨迹球可以重置为默认值

    在这里插入图片描述

    属性说明
    Lift调整阴影和暗部。
    Gamma调整中间调。
    Gain调整高光。
    8. Grading Curves: 校色曲线

    曲线是一种高级方法,可调整图像中色调,饱和度或亮度的特定范围。
    Unity提供了八种方式:

    YRGB曲线

    仅用于LDR。X轴代表输入强度,Y轴代表输出强度,主要用来调整对比度和亮度。

    在这里插入图片描述
    Hue vs Hue

    调整色相。X轴代表输入色相,Y轴代表输出色相,主要用来调整色相或替换颜色。。
    使用此设置可以微调特定范围的色调或执行颜色替换。

    在这里插入图片描述

    Hue vs Sat

    调整特定色相的饱和度。
    X轴代表输入色相,Y轴代表输出饱和度。
    主要用来调整特别明亮的区域,让过亮的区域变得柔和。

    在这里插入图片描述

    Sat vs Sat

    调整饱和度。
    X轴代表输入饱和度,Y轴代表输出饱和度。

    在这里插入图片描述

    Lum vs Sat

    调整特定明度的饱和度。
    X轴代表输入明度,Y轴代表输出饱和度。
    主要用来降低黑暗区域的饱和度。

    在这里插入图片描述

    注意事项

    1. Tonemapping是一个整体的效果,理想情况下不要动态调整或者分场景调整,整个项目应该使用同一套参数或效果。
    2. 使用全局的校色参数,从所有的属性中挑出一部分主要用来校色的参数,大部分的修改都使用这些参数,其他参数尽量不动。
    3. 尽量不要使用Trackballs-Gain调整场景的曝光,它是用于不同颜色之间的微调。曝光使用Auto Exposure
    4. 使用Trackballs-Lift来提亮阴影和暗部区域,正值可以让暗部变亮,负值可以让暗部更暗。

    要求支持

    • Shader Model 3

    效果对比

    在这里插入图片描述

    展开全文
  • Cost-Sensitive Regularization for Diabetic Retinopathy Grading from Eye Fundus Images 代价敏感的正则化方法用于眼底图像糖尿病视网膜病变分级
 From MICCAI2020 Paper Code Abstract 对医学图像中的疾病进行...

    Cost-Sensitive Regularization for Diabetic Retinopathy Grading from Eye Fundus Images
    代价敏感的正则化方法用于眼底图像糖尿病视网膜病变分级

    From MICCAI2020
    Paper
    Code

    Abstract

    对医学图像中的疾病进行分级与常规的分类任务比较类似,但会受到标签空间中潜在结构的限制。比如有的结构体现出疾病不同等级之间的单调关系。本文就提出一种直截了当的方法,基于代价敏感的正则化加强这一约束关系,用于眼底图像预测糖尿病视网膜病变的严重程度。
    本文将标准的分类损失函数额外加了一项正则化项,当预测的等级距离真正等级较远时施加更重的惩罚。
    进一步本文还展示了如何将本分的方法用于域DR分级相关的每个子问题中标签噪声的建模,本文称之为原子级子任务建模。这样可以隐式的将DR注释中固有的噪声考虑进来。
    本文的方法在一些公开数据集上进行了实验和分析,当一个标准的卷积神经网络使用此种简单的策略训练时,其二次加权kappa分数提升了3-5%.

    源码:

    Section I Introduction

    糖尿病是全球公认的影响眼部健康的问题,预计到2045年全球越有6.3亿人会受此影响。糖尿病视网膜病变是糖尿病常见并发症,主要由视网膜内血管损伤引起。DR早期症状表现为微神经肿胀,毛细血管破损后血液进入视网膜;DR晚期症状则更为明显,表现为新血管的增殖、最终导致视网膜层的剥离及永久性失明。
而借助眼底摄像机采集的眼底图像可组委发现DR病变早期症状的一种有效的诊断工具,非常适合用于自动诊断系统。
    
虽然深度学习近年来提出了一系列算法,但主要为了解决一些筛选任务,如区分健康个体和患者,很少有研究涉及到DR分级任务,比如将视网膜图像分类为美国眼科学会提出的5种类别当中。Fig1展示了DR的四种等级。而目前进行DR分级任务的一些研究其方法主要基于现有的CNN网络进行缩放、调整适应不同的数据集,很少有对损失函数进行改进的,这就是本文研究的方向。
    在这里插入图片描述
    Fig1展示了Messidor_2数据集中DR病变级别逐渐严重的4种类型。
    (a)Grade1:轻度NPDR:仅少量微动脉瘤可见;

    (b)Grade2中度NPDR:存在多个微动脉瘤、斑点出血、静脉注以及棉毛班;

    (c)Grade3严重NPDR:在4个想想中华均存在棉毛班、静脉注、严重的微血管异常以及微型动脉瘤

    (d)Grade4(PDR) 新生血管、玻璃体出血


    而代价敏感的分类器有助于解决DR分级的两大问题:
    
首先它允许对标签空间的底层进行建模;
其次它非常适合处理严重的类别不平衡问题。
但据我们所知目前还没有研究DR分级的任务重沿着探索最小化损失函数这方面进行努力的
    
。
因此本文提出一种直截了当的对代价敏感的损失约束用于眼底图像的DR分级任务。本文通过在常用的分类损失函数中附加额外的代价敏感项目,并且分析对CNN训练过程的影响。除此之外本文还阐明了本文的模型如何用于DR分级子任务的坚膜,使用这一代价敏感项(cost-sensitive term)如何有效提升性能,本文中将其称之为原子级子任务模型,最终可以达到与人工标注近似的效果。

    Section II Methodology

    本节将首先描述如何建立cost-sensitive classifier以及CS-正则化项;随后描述如何将CS应用于DR分级的子任务中,以及医学训练参数的优化细节。

    Part A Cost-Sensitive Regularization
    
为了达到对每一类的惩罚效果,首先考虑通过模型U完成这样一个预测:在这里插入图片描述

    然后预测结果与真值Y进行对比,为了阅读方便不再完整引用各自类别的one-hot编码
然后对于这样一个5标签分类任务,其交叉熵损失函数表述为:
    在这里插入图片描述

    这种损失函数对标签空间中任何地层结构都不敏感,意思就是对于(x,yi)样本在标签空间中进行变换其计算出的损失都是固定的。为了改变这一情况本文设计了一个代价矩阵cost matrix M,其损失会随着y-y’之间的距离增大而随之增加。
实现这种效果的一种简单方法就是在M的每一行中都增加与标签相关的惩罚项,然后用y’对应的行计算标量值。
但是由于DR分级任务中严重的类别不均衡问题(通常DR1,DR3,DR4类别都很少),因此仅通过最小化这一标量值会使得模型仍然处在局部最小值。并且很容易将所有的样本分类为DR0类和DR2类。因此,本文将CS项与基本的损失函数结合起来,表述为:

    在这里插入图片描述
    在上面这个式子中,会计算cost-matrix的L2值,这样可以很好的进行二次加权kappa分数的最大化,而且其他的cost matrix也可以很方便的嵌入到损失函数中,下一小节本文会讲解如何构建不同的损失函数。

    而在上述损失函数的基础上本文考虑了三种变体,分别是交叉熵损失函数、Focal loss以及非一致标签平滑损失函数(Non-uniform label smoothing loss function)。
    Focal Loss最初在目标检测任务中被踢出,但由于其可以对误分类的样本施加乘法因此广泛用于分类任务中,在多分类任务中focal loss表述为:
    在这里插入图片描述

    其中alpha是权重因子以及γ负责决定对于误分类样本的惩罚程度。
    

Non-uniform label smoothing标签平滑损失也是解决分类问题中错误标注的一种方法,通过标签平滑可以使得相邻的标签比距离远的标签有更高的可能性,表述为:
    在这里插入图片描述

    通过高斯核卷积使得相邻类别之间惩罚较小,而远距离预测引入更大的损失函数,并且与交叉熵和focal loss不同之处在于标签平滑对标签空间的结构是敏感的。
    


因此本文后续实验会基于上述损失函数来训练整个模型,并通过变化超参数lambda调控CS正则化项对模型的影响。
    Part B Atomic Sub-Task Modeling
    对视网膜图像进行DR分级的标注是一个包含噪声的过程,因为不同观测者之间分歧很大。本文则是利用现有数据之间的分歧来提升DR分级的准确性。
    本文的假设是,如果可以估计出训练数据中的噪声种类,皆可以通过类似Lcs中使用CD=S项使模型注意到这些噪声。
具体而言就是针对cost matrixM中包含不同视网膜专家之间的分歧信息以及他们之间达成的共识,有意思的是M不仅包含了那些等级专家之间分歧最大,还显示出了哪些等级经常容易被误分类为其他等级。
    
公式化的描述一下这个问题,就是将DR图像进行j类分类,将该过程称之为automic sub-task.对于某一级别Di会根据所属类别的数目进行归一化:
    在这里插入图片描述

    并且有一下结论:

    
(1)仅对D0和D4进行标注时可以标注的十分准确;

    
(2)而有约50%的D1类别会被误分类成其他类别;
    

(3)大约有8%的D1图像会被误分类为D2;
    


(4)大约有93%的D1图像会被误分类为D0.

    


由于注释的可靠性遵循上面的规律因此可以假设数据集中D0类的样本都是可靠的,也可以有这样的假设:就是当图片被分类为D1类时这一分类结果可能是不正确的。
    



本文的目标就是对上述所考虑到的错误分类情况施加惩罚,当分类结果很可靠时对误分类的预测进行惩罚,但如果分类结果本身就不可靠,则对此种误分类的情况是可以容忍的。
这种情况可以通过添加CS项来完成,其中较高的tij对应较低的惩罚,而较低的tij会导致较高的惩罚。
但是需要注意到的是对于tij=0的情况M是无法提供什么有用的信息的,比如t03=t04=0不明表明将D0误分类为D3比误分类为D4更难。这种情况下最好计算Mij^2,因此 本文使用的是一个平均代价敏感正则化:


    在这里插入图片描述

    Part C Training Details
    
训练细节
lambda=0表示不引入CS正则化项
lambda=0.1 ,1则表示CS正则化项的权重。

    
实验选择ResNet50作为基础结构,权重使用在ImageNet上预训练的结果,使用SGD梯度下降,batch_size = 8,
lr=0.001

    Section III 实验验证

    Part A实验细节
    数据集:
    Eyepacs数据库 包含DR分类标注信息 共80,000张高分辨率图像,train:val:test =35,000:800:55,000
    Messidor-2数据库:包含来自874例病例的1748张图像,由于其标签信息来自于三位视网膜专家的共识因此该数据集的质量比Eyepacs数据集要高得多。

    
在性能评估方面主要计算二次加权kappa分数,主要用于评估观察者之间的变化,是这一任务中广泛采用的指标。
    

其他的评价指标还有:ACA(平均分类精度,对角线归一化后的平均值)以及ROC,AUC指标。

    而选择进行对比的框架本文选取了近期在DR分级上效果较好的几种算法:
    
DR|graduate,Bilinear Attention Net,Quadratic-weighted kappa loss

    Part B 实验结果
    
实验测试了基于三张损失函数结合不同程度的CS正则化效果,选择效果最好的模型计算结果。
随后每一个正则化模型的lambda=10后重新训练,Table I展示了不同结果的对比效果。Table II中显示出本文效最佳的模型是基于NOLS损失以及使用原子级子任务的模型,与前面提到的三种其它算法对比发现依旧是本文的NULS-AST效果最佳。
    在这里插入图片描述在这里插入图片描述

    Section IV Discussion and Conclusion

    Table I的结果显示引入CS正则化后性能带来了可观的提升,尤其是对kappa score指标,因为cost matrix会根据标签空间中的距离对其中的错误预测进行惩罚,使用Focal Loss提升3.5%以及使用NULS提升1%,因为Focal Loss引入了一定的不对称性。在加上使用原子级子任务性能会进一步提升。分别对FocalLoss和NULS提升4.3%和2%。

    在这里插入图片描述
    Fig 2展示了本文与其他方法产生的混淆矩阵。
需要注意的是,TaBLE I中的结果不适合直接与一些竞赛中的数据进行比较,因为竞赛中可以仅提交20%测试数据的预测,而且缺乏跨数据集实验来评估模型的泛化能力。
而本文提出的方法主要是对一般通用技术的改进,不仅局限于DR分级问题,并且可以推广到其他数据集中。

    展开全文
  • 2020专四听力120篇mp3附原文:Universities' Grading Systems2020专四听力听写dictation部分所听材料共念四遍。第一遍用正常语速朗读,录音语速为每分钟120个单词,让学生听懂材料大意,第二三遍朗读时意群分句和...
  • 1137 Final Grading (25分)

    2020-03-16 15:11:21
    The problem is that different exams have different grading sheets. Your job is to write a program to merge all the grading sheets into one. Input Specification: Each input file contains one test case...
  • 代码 #include<bits/stdc++.h> #define N 200010 #define INF 0x3f3f3f3f #define eps 1e-8 #define pi 3.141592653589793 #define mod 998244353 #define P 1000000007 #define LL long long ...
  • grading-开源

    2021-05-09 13:44:13
    学徒评估计划
  • Paper Grading 题意:给定nnn个字符串,有两种操作: 一、给定i,ji, ji,j,交换第iii个跟第jjj个字符串。 二、给定 str ,k,l,rk, l, rk,l,r,问你在区间[l,r][l, r][l,r]中的字符,与 str 至少有kkk个公共前缀的...
  • 1137 Final Grading (25 分)

    2019-08-19 17:33:13
    The problem is that different exams have different grading sheets. Your job is to write a program to merge all the grading sheets into one. Input Specification: Each input file contains one test ...
  • unity颜色分级图像滤镜着色器Fast Mobile Color Grading 1.0,包含7个着色器,可用于手机游戏或桌面游戏。大多数着色器都经过优化,可在移动设备上平滑运行,同时保持图像良好的质量。This package contains 7 color...
  • Color Grading

    2020-06-19 22:23:41
    Color Grading https://www.jianshu.com/p/7f85935a7c02 中文为色彩分级,是一种调整或校正图片最终颜色和亮度的技术。你可以认为它是类似于在Insgram使用滤镜。颜色分级效果有三种模式:Low Dynamic Range: 这种...
  • Paper Grading 大佬题解 一般关于前缀的问题基本都是Trie树。 首先将所给字符串建立一棵Trie树,Trie能够解决一个字符串在一个字符串集合中出现的次数,而查询前缀次数只需要找到Trie树中所给字符末尾的位置,那么...
  • 1137 Final Grading (25 分) For a student taking the online course "Data Structures" on China University MOOC (http://www.icourse163.org/), to be qualified for a certificate, he/she must ...
  • The problem is that different exams have different grading sheets. Your job is to write a program to merge all the grading sheets into one. Input Specification: Each input file contains one test...
  • Grading Made Easy-开源

    2021-07-03 23:33:39
    这是电子和非电子课程的成绩册程序。 它将使学生能够将文件“上传”到服务器,然后允许教师从那里对文件进行评分。 对于非电子教师,它将提供一个全功能的

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 4,146
精华内容 1,658
关键字:

grading

友情链接: pqso.rar