Classification of Histology Sections via Multispectral Convolutional Sparse(泛读)

最新推荐文章于 2021-11-08 16:48:06 发布
最新推荐文章于 2021-11-08 16:48:06 发布
阅读量1.3k 收藏 1
点赞数
分类专栏： Deep_Learning Something_Interesting Machine_Learning 文献阅读 DL文献阅读与感悟 文章标签： CVPR DeepLeaning 文献阅读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/sheng_ai/article/details/39934207
版权

一.文献名字和作者

     Classification of Histology Sections via Multispectral Convolutional Sparse Coding， CVPR2014
   

二.阅读时间

    2014年10月9日



三.文献的贡献点

    文章主要提出了使用多光谱卷积稀疏编码来作为组织细胞分类，相比与传统的稀疏编码，卷积稀疏编码能够学习到更复杂的特征，从而能够获得更好的效果。
    文章中提出的多光谱稀疏编码进行分类的流程如下：第一步是将输入图片进行光谱分离，转变为两个不同的图像，然后分别输入到不同的CSC中，进行无监督特征学习，具体特征学习的流程如图所示；第二步是通过SPM将这两部分特征融合起来；第三步是使用线性SVM进行分类。
    这篇文章感觉和CVPR 09中余凯的文章《Linear spatial pyra-mid matching using sparse coding for image classification》很类似，区别只是在于将SIFT特征换成了CSC通过无监督学习得到的特征而已，同时，作者也研究了不同SPM的效果，这个也算是作者的一个创新点。
    将新的东西融合进已经有的东西里面，也可以算是一种很好的创新方法，这个方法也是发论文的一种途径。





版权所有，欢迎转载，转载请注明出处，谢谢微笑










shengno1
关注
专栏目录
图像分类优化技巧（Bag of Tricks for Image Classification with Convolutional Neural Networks）
mingo_敏
12-13 3278
Bag of Tricks for Image Classification with Convolutional Neural Networks，李沐大神18年12月的新作，用卷积神经网络进行图像分类的一些技巧。 论文：Bag of Tricks for Image Classification with Convolutional Neural Networks 本文主要讨论训练神经网络过程中...
Convolutional Sparse Coding for Image Super-resolution
欢迎来到打不死的小强的专栏
03-22 2912
Convolutional Sparse Coding for Cmage Super-resolution Abstract         大多数基于稀疏编码的超分辨率方法首先将图片划分为具有重叠的小块，然后在得到的每个小块上单独处理，最后得到超分辨率图片。以上方法存在的问题就是各个patchpatchpatch之间忽略了像素的一致性问题，最后在一定...
Video Rain Streak Removal By Multiscale Convolutional Sparse Coding 雨景分离
linux嵌入式 - 虚拟机 主机Ping不通,即虚拟机不可上网问题解决方法
06-06 1201
1 获取背景B：背景检测方法（低秩矩阵分解）（Rubost PCA）当Ｅ为稀疏的大噪声矩阵时，同时引入折中因此，此问题可转化为如下优化问题：  上式中秩函数、0范数均非凸，变成了NP-hard问题，需要对其松弛，方可进行优化。由范数知识可知，核范数是秩函数的凸包，1范数是0范数的凸包，所以上述NP-hard问题松弛后可转化凸优化问题： 2 获得目标二值图H：图像分割（graph cut）分块平滑意...
Deep learning：二十六(Sparse coding简单理解)
weixin_33769125的博客
04-13 1015
  　　Sparse coding： 　　本节将简单介绍下sparse coding(稀疏编码)，因为sparse coding也是deep learning中一个重要的分支，同样能够提取出数据集很好的特征。本文的内容是参考斯坦福deep learning教程：Sparse Coding，Sparse Coding: Autoencoder Interpretation，对应的中文教程见稀疏编...
Deep Feature Extraction and Classification of Hyperspectral Images Based on Convolutional Neural Net
qq_37808565的博客
11-08 1401
文章目录Deep Feature Extraction and Classification of Hyperspectral Images Based on Convolutional Neural NetworksAbstractI. INTRODUCTIONII. ONE-DIMENSIONAL CNN-BASED HSI FE AND CLASSIFICATIONA. Neural Network and Deep LearningB. CNN (1-D CNN)III. TWO-DIMENSION
Spectral–Spatial Classification of Hyperspectral Imagery with 3D Convolutional Neural Network
jsliuqun的博客
07-02 3693
Spectral–Spatial Classification of Hyperspectral Imagery with 3D Convolutional Neural NetworkYing Li，, Haokui Zhang，and Qiang Shen 点击下载论文SpectralSpatial Classification of Hyperspectral Imagery with 3D
论文 Relation Classification via Convolutional Deep Neural Network 解读
风起云扬的博客
05-04 6149
论文 Relation Classification via Convolutional Deep Neural Network 解读 目录 论文 Relation Classification via Convolutional Deep Neural Network 解读 目录 前言 论文介绍 时间作者研究机构 提出的问题 论文的主要贡献 论文的方案-DNN算法结构 算法结构图 结...
关系抽取专题（一）Relation Classification via Convolutional Deep Neural Network
从网络到AI，从学术界到产业界，随着兴趣去逐梦
05-08 1494
1. 论文研读笔记 1.1 研究动机 1.2 研究方法 1.3 实验结果 1.4 创新点 1.5 个人点评 2. 模型调试心得 2.1 模型地址 2.2 模型运行环境 2.3 数据集选择与下载 2.4 模型运行步骤 2.5 问题与解决方法汇总 2.6 个人点评 ...
Relation Classification via Convolutional Deep Neural Network 论文研读
herosunly的博客
05-08 6079
0. 个人浅谈   该文是ACL会议(NLP国际顶级会议之一)的录用论文，所以具有一定的研究意义。但它的发表时间是在2014年，也就是在AlexNet(2012年)和VGG-Net(2014年)已经在图像分类任务中成功应用之后的事。使用CNN来解决NLP中的关系抽取（关系分类）任务也是情理之中的。当然，中间有很多具体的细节，还需要精雕细琢才能够成功应用。 1. 摘要   现有的统计分类是采用统计机...
Spectral-Spatial Hyperspectral Image Classification via Multiscale Adaptive Sparse Representation
02-09
Sparse representation has been demonstrated to be a powerful tool in classification of hyperspectral images (HSIs). The spatial context of an HSI can be exploited by first defining a local region for ...
Relation Classification via Convolutional Deep Neural Network
08-24
The state-of-the-art methods used for relation classification are primarily based on statistical machine learning, and their performance strongly depends on the quality of the extracted features....
Ground Target Classification in Noisy SAR Images Using Convolutional Neural Networks
02-07
Ground Target Classification in Noisy SAR Images Using Convolutional Neural Networks
[GCN] 代码解析 of GitHub：Semi-supervised classification with graph convolutional networks
01-21
本文解析的代码是论文Semi-Supervised Classification with Graph Convolutional Networks作者提供的实现代码。 原GitHub：Graph Convolutional Networks in PyTorch 本人增加结果可视化 (使用 t-SNE 算法) 的GitHub...
Network In Network(精读)
热门推荐
小胜爱捣鼓
11-20 1万+
一.文献名字和作者      Network In Network.Min Lin, Qiang Chen, Shuicheng Yan     二.阅读时间     2014年11月19日 三.文献的目的     文章主要是对于CNN结构进行改进，使得CNN能够学习到更加抽象和有效的非线性特征。 四.文献的贡献点 4.1 卷积层的改进--多
DBN和DNN的区别(未完待续)
小胜爱捣鼓
10-16 1万+
一.模型框架    DBN最后的两层是一个RBM，并且除了最后两层，其他的层都是top-down结构的有向图；    DNN是一个bottom-up的结构，同时，在一般的文献中，将DNN作为一个DBN进行训练得到的模型还是称为DBN(这就是为什么我一直分不清这两种结构的原因)。 二.训练算法     DBN在训练的时候，当做一个stack RBMs进行训
DeepPose: Human Pose Estimation via Deep Neural Networks(精读)
小胜爱捣鼓
08-29 1万+
一.文献名字和作者 DeepPose: Human Pose Estimation via Deep Neural Networks， CVPR2014     二.阅读时间 2014-08-29 三.文献的目的     文献为了解决当前对于姿态估计中只是使用局部的观点来估计关节点的坐标，这样虽然高效，但是，在实际应用中却无法使用。 四.文献的
激活函数实现--3 Tanh函数实现
小胜爱捣鼓
07-18 1万+
1.TANH函数的定义 2. TANH函数的导数   3.TANH函数的实现 Tanh主要是通过类Tanh来实现的，该类继承自AbstrcactActivation类，主要实现Activating接口和Derivating接口。 Tanh类的定义如下： #ifndef TANH_H #define TANH_H #include
Deeplearning Toolbox中CNN代码学习
小胜爱捣鼓
04-19 1万+
最近在研究CNN的实现，在还没自己动手写之前，先看看现在比较常用的Matlab的Deeplearning Toolbox中的CNN实现。     在Toolbox中，CNN的实现过程主要包括下面几个文件     cnntrain.m           //用于训练CNN的m文件     cnntest.m            //用于预测的m文件     cnnsetup.m    
stacked convolutional sparse denoising autoencoder
最新发布
05-17
Stacked Convolutional Sparse Denoising Autoencoder (SCSDA) is a type of deep neural network architecture used for unsupervised learning of feature representations from input data. It is an extension ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值