医学眼底图像处理——long-tail
文章平均质量分 86
整理50篇医学图像处理的相关论文
小小强2021
这个作者很懒,什么都没留下…
展开
-
论文阅读:PAD-Net: An Efficient Framework for Dynamic Networks
动态网络,例如动态卷积(DY-Conv)和专家混合(MoE),已经被广泛地探索,因为它们可以在可接受的计算成本下显著地。实现动态网络的通常做法是将给定的静态层转换为完全动态层,其中所有参数都是动态的(至少在单个层内),并且随输入而变化。然而,这种。我们工作的主要贡献是挑战动态网络的基本概念,提出了一个,即。在此基础上,进一步。我们的方法得到了两种典型的先进动态结构(DYConv和MoE)在图像分类和GLUE基准上的大规模实验的全面支持。原创 2023-07-04 15:54:35 · 265 阅读 · 0 评论 -
论文阅读:Trustworthy Long-Tailed Classification CVPR2022
首先提出了目前集成学习处理长尾问题的两个限制:首先,对于failure-sensitive applications预测是不可信的(尾部的预测不够准确);其次,对于简单样本使用多专家预测是冗余的。基于此,作者提出了一种可信长尾分类(TLC)方法,在多专家框架下联合进行分类和不确定性评估,以识别硬样本。该方法首先会获取每一位专家网络的证据和基于证据的不确定度(EvU),然后会基于Dempster-Shafer Evidence Theory (DST)理论融合这些证据和不确定度。原创 2023-05-10 20:20:31 · 357 阅读 · 1 评论 -
论文阅读:Long-Tailed Visual Recognition via Self-Heterogeneous Integration withKnowledge Excavation
真实世界的数据经常显示出长尾分布,普通的深度模型倾向于严重偏向大多数类。为了解决这个问题,最先进的方法通常采用混合专家(MoE)来关注长尾分布的不同部分。这些方法的专家具有。为此,我们提出了一种新的基于moe的知识挖掘自异构集成方法。我们首先提出了(depth - wise Knowledge Fusion, DKF)方法,将每个专家在一个网络中不同浅部和深度部之间的特征进行融合,使得专家在表示方面更加多样化。在DKF的基础上,我们进一步提出了。原创 2023-05-10 19:34:29 · 816 阅读 · 1 评论 -
论文阅读:A ConvNet for the 2020s
SWIN Transformer重新引入了几个,使得Transformer实际上可以作为通用的视觉主干,并在各种视觉任务上表现出卓越的性能。然而,这种混合方法的有效性仍然很大程度上归功于变压器的内在优势,而不是卷积的内在归纳偏差。在这项工作中,我们重新审视了设计空间,并测试了纯ConvNet所能达到的极限。我们逐渐将一个标准的Resnet“现代化”到vision Transformer的设计中,并发现了几个。原创 2022-11-08 10:45:15 · 714 阅读 · 0 评论 -
论文阅读:MIL-VT: Multiple Instance LearningEnhanced Vision Transformer for FundusImage Classification
本文尝试将用于视网膜疾病分类任务,通过在大型眼底图像数据库上预先训练变换器模型,然后对下游的视网膜疾病分类任务进行微调。此外,,它可以方便地以即插即用的方式附加到视觉转换器上,有效地提高了下游眼底图像分类任务的模型性能。原创 2022-11-04 13:04:37 · 1328 阅读 · 0 评论 -
论文阅读:Task Discrepancy Maximization for Fine-grained Few-Shot Classification
实现细粒度分类原创 2022-10-25 15:50:44 · 1030 阅读 · 1 评论 -
论文阅读:SOS: Selective Objective Switch for Rapid Immunofluorescence Whole SlideImage Classification
提出了一种基于对缩小尺度的WSIs预测的置信度的选择性使用高分辨率处理的方法(SOS),只有在处理不确定情况是才会使用高分辨率进行处理。减少冗余操作。原创 2022-10-24 15:33:22 · 982 阅读 · 2 评论 -
论文阅读:Multi-scale Domain-adversarial Multiple-instance CNN for Cancer Subtype Classification with ……
对于论文的一些总结原创 2022-10-23 18:03:35 · 1166 阅读 · 2 评论