关于CycleGAN损失函数的可视化理解
看了《UnpairedImagetoImageTranslationusingCycleConsistentAdversarialNetworks》这篇论文，大致了解了CycleGAN的工作原理，为了更好的理解他损失函数的设计，结合提供的代码，我绘制了损失函数的流程图，并且用maps跑了代码，图中的图片就是测试集挑选出来的。通过看代码，我发现他的输入是不配对的，也就是real_B并不是并不是rea
可视化UNet编码器每层的输出（在已经训练好的模型下展示，并不是初始训练阶段展示）
想看一下对于一个训练好的模型，其每一层编码阶段的可视化输出是什么样子的。我以3Dircabd肝脏血管分割为例，训练好了一个UNet模型。然后使用该模型在推理阶段使用，并可视化了每一层编码器。
利用cv2.dilate对图像进行膨胀
cv2.getStructuringElement(cv2.MORPH_RECT,(7,7))介绍，请看这个博客。我简要说一下cv2.getStructuringElement，可用于构造一个特定大小和形状的结构元素，用于图像形态学处理。其中MORPH_RECT就是构造一个全1方形矩阵。代码如下