![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习论文
文章平均质量分 69
吾在学习路
这个作者很懒,什么都没留下…
展开
-
CVPR 2024 H-SAM: Unleashing the Potential of SAM for Medical Adaptation via Hierarchical Decoding阅读
Tips: 个人收获与记录?原创 2024-04-23 11:30:48 · 1063 阅读 · 2 评论 -
How to build the best medical image segmentation algorithm using foundation models 综述阅读
Tips: 个人收获与记录?原创 2024-04-22 16:48:03 · 479 阅读 · 0 评论 -
Efficientsam验证代码详解
这个模块很重要,img_tensor的维度在输入进model的时候要是1024*1024,原来输入进去的图片是299 * 299,所以image_np用resize变成1024 * 1024。首先要确定模型输入的维度,不然就会发现性能不是很好。Efficientsam的输入维度是1024 * 1024,然后输出的时候要改为256 * 256.原创 2024-04-13 19:48:17 · 261 阅读 · 0 评论 -
SAM验证代码详解
它接受MedSAM模型、图像的嵌入表示、边界框坐标、以及目标图像的高度和宽度作为输入,返回分割掩码和原始的预测概率。创建一个与img_3c相同高度和宽度的全零数组segs,用于存储每个像素的分割结果。它根据文件是3D图像还是2D图像来调用不同的推理函数,并记录每个文件处理的时间。将给定的图像调整大小,以使图像的最长边等于目标长度,同时保持图像的宽高比不变。从原始图像中得到的边界框坐标重新缩放到256x256尺寸的图像中对应的坐标。将模型预测出的掩模调整到原始图像的大小。用于将图像或标签补齐到特定的尺寸。原创 2024-04-12 21:29:34 · 378 阅读 · 0 评论 -
transformer模型— 20道面试题自我检测
Transformer模型采用自注意力机制处理序列数据,与传统的循环神经网络(RNN)和长短时记忆网络(LSTM)不同,它不依赖于序列的递归处理,因此无法直接捕捉到序列中的位置信息。为了解决这个问题,Transformer引入了位置编码(Positional Encoding)的概念,将位置信息添加到模型的输入中。位置编码是一个与词嵌入维度相同的向量,它被加到词嵌入上,以提供关于单词在序列中位置的信息。位置编码的公式如下:对于位置pos和维度i,位置编码的第iPEpos2isinp。原创 2023-11-01 16:04:06 · 4735 阅读 · 6 评论