- 博客(2)
- 收藏
- 关注
RSS订阅原创 LightM-UNet：一个基于Mamba的轻量级U形分割模型
于是一些尝试如U-Mamba【14】，提出了一个混合的CNN-SSM块，结合了卷积层的局部特征提取能力与SSM在捕捉纵向依赖关系方面的专长但其引入了大量参数和计算负载，带来了相当大计算开销。为了评估LightM-UNet，作者将其与两种基于CNN的分割网络（nnU-Net和 SegResNet）、两种基于Transformer的网络（UNETR和 SwinUNETR）以及一种基于Mamba的网络（U-Mamba）进行了比较，同时还采用平均交并比（mloU）和Dice相似度得分（DSC）作为评估指标。
2024-04-09 23:06:19
1140
原创 R-CNN解读
给定一幅图像中的所有评分区域，我们应用贪婪的非最大值抑制（独立地针对每一类），如果某个区域与大于学习阈值的评分较高的选定区域存在联合交集（IoU）重叠，则剔除该区域。然而，这些特征忽略了区域的非矩形形状。为了计算候选框的特征，我们必须首先将该区域的图像数据转换为与CNN兼容的形式（其架构需要固定的227×227像素大小的输入）。在误差分析的基础上，实现了一种简单方法减少定位误差：训练一个线性回归模型，以预测一个新框，给出了选择性搜索区域建议的Pool5特征（这个模型输入是Pool5特征，输出是偏移量）
2024-02-20 21:19:47
373
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人