![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文
文章平均质量分 63
lwycc233
坚持总会有回报!
展开
-
nips-day01
1. 卷积神经网络和CoordConv解决方案的一个有趣的缺陷摘要卷积对深度学习的影响之大,几乎没有其他思想能与之媲美。对于任何涉及像素或空间表示的问题,一般直觉认为卷积神经网络可能是合适的。在本文中,我们通过看似微不足道的坐标变换问题展示了一个与这种直觉相反的突出例子,它仅仅需要学习(x,y)笛卡尔空间中的坐标与一个热点像素空间中的坐标之间的映射。虽然卷积网络似乎很适合这项任务,但我们发现...原创 2018-12-26 11:19:18 · 147 阅读 · 0 评论 -
Automated Phrase Mining from Massive 论文笔记
摘要(1)背景介绍:1. Introduction(1)介绍了什么是短语挖掘,及其重要用途短语挖掘是指在给定语料库(如研究论文和新闻)中自动提取高质量短语(如科学术语和一般实体名称)的过程。它可以改进应用进程的计算模式(2)目前短语挖掘方法的进展目前的方法特点:需要有一定水平的专家标记依赖复杂的、训练有素的语言分析器缺点:代价昂贵应用到新的领域效果不好目前能够领域...原创 2019-03-07 17:05:36 · 3719 阅读 · 5 评论 -
Fully Convolutional Networks for Semantic Segmentation笔记
摘要在语义分割方面,卷积神经网络通过端到端的像素训练,已经超过了目前的水平。全卷积神经网络,可以接受任意大小的输入,通过推理和学习之后,输出同样大小的像素。详细描述了全卷积神经网络的空间,解释了它们在空间密集预测任务中的应用。将它们与之前的模型联系起来。我们将当代的分类网络(AlexNet[20]、VGG net[31]和GoogLeNet[32])改造成完全卷积的网络,并通过微调[3]...原创 2019-03-26 11:59:35 · 229 阅读 · 0 评论 -
《Medical image classification using synergic deep learning》论文笔记
利用协同深度学习进行医学图像分类0 Abstract医学图像分类在计算机辅助诊断、医学图像检索和医学图像挖掘中是一个非常重要的任务。尽管深度学习相对于传统的手工标注特征的方法有明显的优势,但是因为成像方式和临床病理造成的类内差异和类间相似性,它仍然面临挑战。本文我们提出了一个协同深度学习模型去处理这个问题。通过同时使用多个深度卷积神经网络(DCNNs),并且这多个深度神经网络可以互相学习。每对...原创 2019-04-12 22:15:35 · 1895 阅读 · 0 评论 -
《Constrained-CNN Losses for Weakly Supervised Segmentation》论文笔记
摘要基于部分图片标签或者图片标记的弱监督学习,在CNN分割领域引起了广泛的关注,因为它可以减轻完全和繁琐的像素标注的需要。在网络输出中,利用高阶(全局)不平等约束(例如,去约束约束目标域的大小)可以减轻无标签的数据,从而指导运用了特殊领域知识的训练过程。不平等的约束是非常灵活的,因为它们不需要假设精准的先验知识。然而,被约束的拉格朗日对偶优化,在深度网络中被避免大量使用,主要是因为计算机的可追踪...原创 2019-04-17 16:49:50 · 1129 阅读 · 0 评论 -
MIA 2018 Weakly supervised histopathology cancer image segmentation and classification(无代码)
分原创 2019-07-06 10:09:49 · 777 阅读 · 0 评论