深度学习资料
文章平均质量分 76
小闫想躺平
这个作者很懒,什么都没留下…
展开
-
笔记:Learning Calibrated Medical Image Segmentation via Multi-rater Agreement Modeling
Learning Calibrated Medical Image Segmentation via Multi-rater Agreement Modeling(通过多评分者协议建模学习校正医学图像分割)链接:https://www.jianshu.com/p/a82c0ad728f1 在医学图像分析中,通常需要收集多个注释,每个注释来自不同的临床专家或评分者,以期减轻可能的诊断错误。与此同时,从计算机视觉从业者的角度来看,采用ground-truth标签已经成为一种常见的做法,该...原创 2021-07-20 15:55:38 · 2282 阅读 · 0 评论 -
笔记:Multi-scale guided attention for medical image segmentation
Multi-scale guided attention for medical image segmentation(医学图像分割的多尺度自导向注意)特征融合策略:金字塔池化,空洞卷积金字塔尽管这些策略可能有助于在不同尺度上捕获对象,但所有图像区域的上下文依赖都是同构的、非自适应的,忽略了不同类别的局部表示和上下文依赖之间的差异。这些多上下文表示是手工设计的,缺乏对多上下文表示建模的灵活性。这使得在这些方法中无法充分利用整个图像中的长距离对象关系,这在许多医学图像分割问题中具有至关重要的意义原创 2021-07-19 16:56:38 · 892 阅读 · 0 评论 -
笔记:Attention U-Net:Learning Where to Look for the Pancreas
原文:https://arxiv.org/pdf/1804.03999.pdf引用:https://bbs.cvmart.net/articles/3258提出了一种新的attention gate(AG)模型的医学成像自动学习聚焦在不同形状和大小的目标结构。经过AGs训练的模型隐式学习抑制输入图像中的无关区域,同时突出对特定任务有用的显著特征。这使我们能够消除使用级联卷积神经网络(CNNs)的显式外部组织/器官定位模块的必要性。AGs可以很容易地集成到标准的CNN架构中,如U-Net模型,以最原创 2021-07-19 15:16:22 · 722 阅读 · 0 评论 -
BatchNorm2d()函数
在卷积神经网络的卷积层之后总会添加BatchNorm2d进行数据的归一化处理,这使得数据在进行Relu之前不会因为数据过大而导致网络性能的不稳定,BatchNorm2d()函数数学原理如下:BatchNorm2d()内部的参数如下:1.num_features:一般输入参数为batch_size*num_features*height*width,即为其中特征的数量2.eps:分母中添加的一个值,目的是为了计算的稳定性,默认为:1e-53.momentum:一个用于运行过程中均值和.原创 2021-07-19 14:32:07 · 1687 阅读 · 0 评论 -
笔记:注意力
The Application of Two-level Attention Models in Deep Convolutional Neural Network for Fine-grained Image Classification(两级注意力模型在深度卷积神经中的应用细粒度图像分类网络)细粒度分类具有挑战性,因为类别只能通过细微的和局部的差异来区分。姿势、比例或旋转的差异通常会使问题更加困难。大多数细粒度分类系统遵循寻找前景对象或对象部分(在哪里)的管道,以提取鉴别特征(什么)。本文提出将视原创 2021-07-19 13:32:44 · 388 阅读 · 0 评论