- 博客(2)
- 收藏
- 关注
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