Paper-学习笔记
嘀嘀嗒嘀啊
计算机视觉民工
展开
-
[Paper 学习笔记] Face Recognition Using Deep PCA
这个月开始下决心好好了解CNN方面的内容,希望能在3D图像特征提取方面寻找到行之有效的方法。看了 http://blog.csdn.net/sinat_31824577/article/details/51779228 http://blog.csdn.net/sinat_31824577/article/details/51775329 这两篇,PCANet并不适用于3D图像,中间计算普通原创 2016-07-04 21:30:49 · 1981 阅读 · 0 评论 -
[Paper 学习笔记] Effcient Multi-Scale 3D CNN with fully connected CRF for Brain Lesion Segmentation
上一篇介绍了用于简单提取2D图像特征的方法,手头项目的数据却是3D图像,希望这一篇能给我一些新的思路。 http://blog.csdn.net/sinat_31824577/article/details/51775329一、简介提出一个双路径,11层的用于脑损伤图像分割的3D卷积神经网络。将并联的图像Patch合并可降低计算3D脑图像的计算复杂度、消除数据中的类内不平衡。为了试用局部和更大的内原创 2016-06-28 22:12:38 · 6537 阅读 · 1 评论 -
[Paper 学习笔记]PCANet: A Simple Deep Learning Baseline for Image Classification?
一、 PCANet简介一种用于图像分类的深度学习网络,用于提取图像中的特征。主要由级联的PCA filters、binary hashing和块直方图构成。相比于RandNet和LDANet,性能更佳,可适用多个数据集,结构和参数设置简单。二、PCANet结构1.结构图如下图所示: N个m×n大小的训练图,所有层中的patch尺寸都是k1×k2,只有PCA filters需要学习输入的图像。2原创 2016-06-28 13:39:33 · 4744 阅读 · 0 评论 -
[Paper 学习笔记] Multi-Scale 3D Convolutional Neural Networks for Lesion Segmentation in Brain MRI
这篇文章与之前看过的3D CNN那篇文章属于同一个模型下的两个应用: http://blog.csdn.net/sinat_31824577/article/details/51779228一、简介本文提出一个用于脑损伤分割的11层,双通道的3D卷积神经网络系统,在多尺度环境下响应多模3Dpatch分割出病灶的三维像素,发现可在28个样本下成功训练该模型,实验结果证实改模型的有效性,除此之外,网络翻译 2016-07-18 17:07:51 · 2560 阅读 · 0 评论