Python程序开发之简单小程序实例

（9）利用Canvas绘制图形和文字

一、项目功能

利用Tkinter组件中的Canvas绘制图形和文字。

二、项目分析

要在窗体中绘制图形和文字，需先导入Tkinter组件，然后用Canvas完成绘制。

这篇文章的目的是介绍关于利用自动编码器实现图像降噪的内容。

在神经网络世界中，对图像数据进行建模需要特殊的方法。其中最著名的是卷积神经网络(CNN或ConvNet)或称为卷积自编码器。并非所有的读者都了解图像数据，那么我先简要介绍图像数据(如果你对这方面已经很清楚了，可以跳过)。然后，我会介绍标准神经网络。这个标准神经网络用于图像数据，比较简单。这解释了处理图像数据时为什么首选的是卷积自编码器。最重要的是，我将演示卷积自编码器如何减少图像噪声。这篇文章将用上Keras模块和MNIST数据。Keras用Python编写，并且能够在TensorFlow上运行，是高级的神经网络API。

2014年，GoogLeNet获得了第一名、VGG获得了第二名。

GoogLeNet是一种基于 Inception 架构的卷积神经网络。它利用 Inception

模块，允许网络在每个块中的多个卷积滤波器大小之间进行选择。Inception 网络将这些模块堆叠在一起，偶尔会使用最大池化层，步幅为2，以将网格的分辨率减半。

inception结构涉及了大量的数学推导和原理

作者 | 蒋宝尚

编辑 | 贾伟

躺尸接近三个月的OpenAI博客终于有了更新，这次它为AI研究者带来的作品是“OpenAI Microscope”，中文译名OpenAI 显微镜。

意为可以像实验室中的显微镜一样工作，帮助AI研究人员更好地理解神经网络的结构和特征。

博客地址：
https://openai.com/blog/microscope/

说到底，这个显微镜更像是一个神经元可视化库，里面包含了历史上重要且普遍研究的计算机视觉模型，如2012年ImageNet挑战赛冠军AlexNet，2014年的ImageNet冠军GoogleNet（又名Inception V1）和ResNet v2。

本文来源：机器之心

世界上没有两片相同的雪花，「菊花」亦然。至少，斯坦福大学的一篇论文是这么说的。在这篇论文中，研究者发明了一种「菊纹识别」智能马桶，可以利用深度学习技术识别你的「菊纹」和便便，从而达到健康监测的目的。目前，该论文已经在Nature Biomedical Engineering 杂志上发表。

BT-Unet采用Barlow twin方法对U-Net模型的编码器进行无监督的预训练减少冗余信息，以学习数据表示。
之后，对完整网络进行微调以执行实际的分割。

BT-Unet由 Indian Institute of Information Technology Allahabad开发，发布在2022年的JML上

BT-Unet

BT-Unet架构图：a、预训练U-Net编码器网络，b、用预训练的编码器权值初始化的微调U-Net模型