GAN
文章平均质量分 80
落花逐流水
从事人工智能,模式识别与智能系统
展开
-
GAN在医学图像生成中的应用
GAN在医学图像生成中的应用1、重建2、合成GAN框架由生成器(G)、鉴别器(D)以及真实数据X的训练数据集组成。G生成器,是一个多层网络参数θG,旨在找到一种映射x = G(z,θG)。通过映射,G生成假数据。另一方面,鉴别器D(x;θD)旨在把假样本和真实数据区分开来。minGmaxDV(D,G)=Ex∼pdata(x)[log(D(x))]+Ez∼pz(z)[1−log(D(G(z)))](1)\min_{G} \max_{D}V(D,G)=\mathbb{E}_{x\sim p_{dat原创 2021-11-16 22:41:30 · 5511 阅读 · 0 评论 -
基于GAN的图像配准汇总
基于GAN的图像配准汇总1、 Adversarial Similarity Network for Evaluating Image Alignment in Deep Learning based Registration1.1、 简介1.2、、记号1.3、网络结构2、Adversarial learning for mono- or multi-modal registration2.1、相关工作2.2、网络结构1、 Adversarial Similarity Network for Evaluat原创 2021-11-10 23:49:48 · 3025 阅读 · 0 评论 -
PatchGAN
PatchGAN1、PatchGAN1、PatchGAN在CycleGAN中看到了PatchGAN,顺便做一下笔记。PatchGAN其实指的是GAN的判别器,将判别器换成了全卷积网络.这么说并不严谨,PatchGAN和普通GAN判别器是有区别的,普通的GAN判别器是将输入映射成一个实数,即输入样本为真样本的概率.PatchGAN将输入映射为NxN的patch(矩阵)X,Xij的值代表每个patch为真样本的概率,将Xij求均值,即为判别器最终输出,X其实就是卷积层输出的特征图.从这个特征图可以追溯到原创 2021-10-20 13:55:20 · 1412 阅读 · 0 评论 -
CycleGAN
数据集:Index of /~taesung_park/CycleGAN/datasets原创 2021-09-17 14:44:41 · 1067 阅读 · 1 评论 -
GAN学习笔记(三)保存Generator模型,生成图片
保存Generator模型,生成图片1、GAN 在MNIST数据集上训练2、利用上面保存的模型使用Generator生成图片1、GAN 在MNIST数据集上训练gan代码:import argparseimport osimport numpy as npimport mathimport torchvision.transforms as transformsfrom torchvision.utils import save_imagefrom torch.utils.data i原创 2021-09-14 11:04:28 · 5031 阅读 · 3 评论 -
GAN学习笔记(二)图像去模糊 DeblurGAN 和 DeblurGANv2
论文:DeblurGAN: Blind Motion Deblurring Using Conditional Adversarial Networks代码:KupynOrest/DeblurGAN论文主要贡献:提出使用DeblurGAN对模糊图像去模糊,网络结构基于cGAN和“content loss”。获得了目前最佳的去模糊效果将去模糊算法运用到了目标检测上,当待检测图像是模糊的的时候,先对图像去模糊能提高目标检测的准确率提出了一个新的合成模糊图像的方法生成模糊图像的方法:用清晰图像卷原创 2021-09-13 15:41:01 · 7605 阅读 · 54 评论 -
医学图像分割
医学图像分割1、用于分割的数据集2、关于分割的论文介绍2.1 nnU-Net: a self-configuring method for deep learning-based biomedical image segmentation2.2 使用nnunet,对于自己数据的数据预处理1、用于分割的数据集数据集:CTPelvic1K Dataset关于CTPelvic1K Dataset数据集的介绍:ICT-MIRACLE-lab/CTPelvic1K如果使用CTPelvic1K dataset原创 2021-09-10 11:10:51 · 2811 阅读 · 0 评论 -
GAN学习笔记(一)项目链接
看到这个里面整理了好多gan的项目。https://github.com/eriklindernoren/PyTorch-GAN原创 2021-09-08 18:13:21 · 566 阅读 · 0 评论 -
GAN从2D到3D
GAN的初衷就是生成不存在于真实世界的数据,类似于使得 AI具有创造力或者想象力。应用场景如下:AI作家,AI画家等需要创造力的AI体;将模糊图变清晰(去雨,去雾,去抖动,去马赛克等),这需要AI具有所谓的“想象力”,能脑补情节;进行数据增强,根据已有数据生成更多新数据供以feed,可以减缓模型过拟合现象。以上的场景都可以找到相应的paper。而且GAN的用处也远不止此.参考:生成对抗网络——GAN(一)参考:GAN学习指南:从原理入门到制作生成Demo参考:...原创 2021-09-05 10:17:01 · 776 阅读 · 0 评论