- 博客(5)
- 收藏
- 关注
RSS订阅原创 python：将自己的数据集生成txt文件
通过自己的学习和努力，通过Python代码实现了数据集按比例随机划分为训练集、测试集、验证集并生成txt文件，我认为这是一件十分有意义的事情，希望以后能够继续努力，不断地提升自己。
2023-11-07 15:12:01
2045
原创 论文泛读：深度卷积神经网络语义分割综述
得益于深度卷积神经网络在特征提取和语义理解的强大能力,基于深度神经网络的语义分割技术逐渐成为计算机视觉研究的热点课题.。在无人驾驶、医学图像,甚至是虚拟交互、增强现实等领域都需要精确高效的语义分割技术。语义分割从图像像素级理解出发,为每个像素分配单独的类别标签。针对基于深度神经网络的语义分割技术,根据技术特性的差异,从编码-解码架构、多尺度目标融合、卷积优化、注意力机制、传统-深度结合、策略融合方面展开,对现有模型的优缺点进行梳理和分析。
2023-11-03 11:43:51
139
原创 论文泛读：从U-Net到Transformer： 深度模型在医学图像分割中的应用综述
精准分割医学图像中的病灶对医生探寻病因和制定诊疗方案起关键作用，计算机视觉技术的发展促使深度学习在医学图像分割领域衍生出多种模型架构，U-Net架构以其巧妙的跳跃连接、易于优化的模块设计成为这一领域的基准模型。为帮助本领域学者了解U型网络的发展历程及研究现状，该文以问题为导向对近七年U型网络改进工作进行综述，首先，从改进结构位置的角度对U-Net及其各项改进模型进行叙述，探讨各工作的研究目的和创新设计及不足之处。其次，对Transformer与U型网络的结合方式进行分析，从中获取改进工作的研究动向。
2023-11-02 10:10:06
182
原创 论文泛读：基于DCF-DeepLab网络的语义分割研究
针对DeepLab V3中存在的图像小目标信息易丢失、训练时效长、目标边界分割粗糙等问题,提出了一种基于双注意力交叉融合的DCF-DeepLab图像语义分割网络。该网络设计了基于注意力机制的特征融合模块，分别在2、4、8倍下采样特征图上使用该模块，融合浅层特征以弥补深层特征的不足；在主干特征提取网络部分引入轻量级网络MobileNet V3-Large，减少模型推理时间；在ASPP模块嵌入多个注意力模块和串联结构，增强网络细节特征提取能力。
2023-11-01 18:50:56
126
1
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