![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文阅读
文章平均质量分 88
独孤呆博
机器学习学习者,分享学习心得,欢迎大家分享讨论~
展开
-
A Deep Convolutional Neural Network for segmenting and classifying epithelial and stromal regions
论文翻译:《A Deep Convolutional Neural Network for segmenting and classifying epithelial and stromal regions in histopathological images》翻译 2017-10-15 09:59:27 · 1028 阅读 · 0 评论 -
论文关键点分析:3D U-Net: Learning Dense Volumetric Segmentation from Sparse Annotation
这种方法的两种设置,半自动与全自动为什么要使用数据块,而不是像之前一样使用 slice一方面是因为标注数据过于麻烦,另一方面是因为对slice 进行数据预处理较为麻烦只是用一个maxpooling 不能够获得多分辨率的结果为什么可以使用弹性形变进行数据增强;并且是进行实时的数据增强,也就是说理论上每一轮的数据都是不一样的为了避免瓶颈,在上采样和下采样之前都将通道数增加为原来的二倍在每一...原创 2019-02-23 16:58:36 · 3817 阅读 · 0 评论 -
卷积与反卷积关系超详细说明及推导(反卷积又称转置卷积、分数步长卷积)
以 CNN 为代表的卷积神经网络在图像的相关领域得到了较为长足的发展。在 CNN 中卷积实际分类两大类,一种是卷积,另一种是转置卷积(transposed convolutional ),或者称为分数步长卷积( fractionally strided convolutional layers),亦或者是反卷积(deconvolution)。 虽然在一些文章中将反卷积与转置卷积认为是等价的...原创 2018-10-19 10:49:37 · 19093 阅读 · 5 评论 -
论文精读及分析:U-Net: Convolutional Networks for Biomedical Image Segmentation
Abstract在本文中我们提出了一种依赖于使数据更有效率从被利用到的增强方法。在U-net的结构中,包括捕获一个上下文信息的收缩路径和一个允许精确定位的对称拓展路径。这种方法可以使用非常少的数据完成端到端的训练,并获得最好的效果。IntroductionCNN 存在很久了,但是已知受限于对于数据量要求过大和神经网络的规模,并没有获得很大的成功,直至 Krizhevsky 才开始成功。但是...原创 2018-10-03 23:05:38 · 16659 阅读 · 12 评论 -
论文精读及分析:Fully Convolutional Networks for Semantic Segmentation
本文主要内容为论文《Fully Convolutional Networks for Semantic Segmentation》 的阅读笔记,在原始论文的基础上加入了自己的一些理解,内容和图片主要参考该论文。其中一部分的翻译参考了 “一生不可自决” 的博客《Fully Convolutional Networks for semantic Segmentation(深度学习经典论文翻译)》...原创 2018-09-29 21:47:00 · 16171 阅读 · 0 评论 -
论文阅读:Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks
本文主要内容为论文《Learning and Transferring Mid-Level Image Representations using Convolutional Neural Networks》的学习笔记,包括部分内容的翻译与自己对本篇论文的理解。原创 2017-12-05 22:40:16 · 2806 阅读 · 0 评论 -
论文阅读:A Survey on Transfer Learning
关于迁移学习经典综述《A Survey on Transfer Learning》的部分翻译及整理原创 2017-12-09 16:07:25 · 17510 阅读 · 0 评论 -
《结合卷积神经网络和超像素聚类的细胞图像分割方法》
介绍了文章的摘要以及值得学习的点。首先可以使用染色校正的方法进行图像预处理(这是一种机理方法),其次让我明白了如何使用CNN进行图像的分割;最后是这篇论文的实验丰富,有支撑力。原创 2017-10-18 19:50:25 · 3652 阅读 · 0 评论 -
论文精度与分析:Inception V1: Going Deeper with Convolutions
1. 按论文章节回顾具体内容Abstract 我们提出了一种名为 Inception 的深度卷积网络结构,它在 ILSVRC14 的分类和检测任务上达到了 SOTA 的效果。这个网络的特征是他提升了网络内部计算资源的利用率。通过精细的设计,我们在提升了网络的宽度和深度的同时保持了计算量不变。为了提升网络输出的质量,网络结构的决策是基于 Hebbian 原则和多尺度处理的直观性。在我们提交的 ...原创 2019-02-28 21:12:49 · 2232 阅读 · 1 评论