2018年04月_sunyao_123

原创 Interleaved 3D-CNNs for Joint Segmentation of Small-Volume Structures in Head and Neck CT Images-笔记

传统分割：（1）Atlas based methods, （2）Statistical shape/appearance based methods （3）Classification based methods论文方法： 1.调整窗宽窗位为[-200，200]。（肉眼可以观察软组织器官） 2.采用MABS method方法粗定位ROIs。使用归一化互信息...

2018-04-30 13:35:03 597

原创 3D Deeply Supervised Network for Automatic Liver Segmentation from CT Volumes-笔记

网络结构：网络改进的地方是通过反卷积（核大小为3X3X3，步长为2）中间层，使得和输入大小相同，然后通过label计算loss，和最终loss一起进行梯度更新。中间反卷积层输出的loss可以防止梯消失。（深度监督DSN）由于最终输出是通过反卷积得到的，只通过阈值生成结果，有时后边缘会不精确。所以在横断面又使用了CRF。观察了中间层的输出：证明该论文的中间层学习到的表达相关性...

2018-04-30 10:50:28 1244 1

原创 Quantization of Fully Convolutional Networks for Accurate Biomedical Image Segmentation-笔记

本文以论文Suggestive Annotation: A deep active learning frame work for biomedical image segmentation为基础，使用量化技术。 1.对具有高度表达性的训练样本使用suggestive annotation进行量化； 2.为了更高的精确度，使用量化对网络进行训练；思路就是首先改善数据，然后使用改善的数据训练...

2018-04-18 20:08:54 705

原创 Suggestive Annotation: A Deep Active Learning Framework for Biomedical Image Segmentation-笔记

本文结合activate learning和bootstrap。网络结构如图：操作过程如下：首先使用少量的标注的数据进行训练网络，然后输入未标记的数据，根据提取的有用信息记录需要标记的数据，然后进行标记。下一个阶段使用现在可利用的标记好的所有数据进行训练，一直循环。挑战就是如何将进行信息提取的FCNs和deep active learning framework（分割网络）结合。来...

2018-04-18 19:31:50 854 2

原创 Automatic Segmentation of MR Brain Images With a Convolutional Neural Network

一，数据：二，方法：使用不同patch size大小的原因：大的patch包含空间信息，可以定位到这个像素位于图像中的位置（使用大的kernel）；小的patch提供局部相邻像素的细节信息（使用小的kernel）。每类训练数量相同，防止数据不平衡。为了提供更多的数据，网络训练的每个周期的数据是不同的，每个周期重新提取训练数据。（由于每个训练周期之间提取数据，这样回增加寻...

2018-04-17 23:20:01 771 1

原创 Scaling Up Crowd-Sourcing to Very Large Datasets: A Case for Active Learning-笔记

通过Active Learning（AL）算法，找到最小的需要标注的数据进行训练，来标记未标记的数据。 AL必须满需下边的需求才能作为crowd-sourced database的默认的最优策略： Generality：算法必须能够应用到任意的分类和标记任务。因为crowd-sourced systems应用广泛。 Black-box treatment of the ...

2018-04-17 13:12:17 320

原创 Bootstrap-Scaling Up Crowd-Sourcing to Very Large Datasets: A Case for Active Learning

论文Scaling Up Crowd-Sourcing to Very Large Datasets A Case for Active Learning对bootstrap做了介绍。原书（B. Efron and R. J. Tibshirani. An Introduction to the Bootstrap. Chapman & Hall, 1993.） ...

2018-04-17 12:26:35 275

原创 ranker-Scaling Up Crowd-Sourcing to Very Large Datasets: A Case for Active Learning

论文Scaling Up Crowd-Sourcing to Very Large Datasets A Case for Active Learning提出两种AL算法。首先找到分类器θ对未标注数据的不确定程度。然后让crowd对这些数据进行标定。下边介绍两种不确定性方法。下边的u是未标记数据，但是是指未标注数据的每一个，而不是整体。一：Uncertainty Algorit...

2018-04-17 12:15:31 177

原创 activate learning-Scaling Up Crowd-Sourcing to Very Large Datasets: A Case for Active Learning

Active Learning Notation本文是介绍论文Scaling Up Crowd-Sourcing to Very Large Datasets A Case for Active Learning中的AL算法。 Active learning algorithm主要由：1.一个ranker R； 2. selection strategy S；3. budget allo...

2018-04-17 12:01:23 346

原创安装anaconda后，装库报错权限不够

安装anaconda后，安装tensorflow，或者更新pip都报错：发现是anaconda文件夹权限不够。查看发现anaconda文件夹上了一把锁，需要去掉。sudo chown 用户名文件夹 -R比如：我的用户名叫secret，文件夹叫anaconda3sudo chown secret anaconda3/ -R...

2018-04-15 22:04:31 3818

原创 ubuntu16.04安装nvidia驱动

两块显卡：970和titan x 安装好Ubuntu后，在安装驱动之前： 1.对ubuntu软件进行更新。因为之前安装好驱动后，更新了软件重启后，陷入循环登陆状态。 2.sudo add-apt-repository ppa:xorg-edgers/ppa #添加ppa源sudo add-apt-repository ppa:graphics-drivers/ppa #添加ppa源...

2018-04-15 18:57:11 1289 1

原创强化学习之Q-learning

三要素：状态（state），动作（action），奖赏（reward）。更具具体情况自行进行给定。 Q更新公式： Q是什么？动作效用函数（action-utility function）,用于评价在某一状态下采取某个动作的优劣。如果Q训练好了，之后预测时就可以按照Q进行选择动作。详解Q更新函数： α是学习速率；γ是折扣因子；由公式可知，α控制保留之前效果的比例，α越大，保留之前的训练...

2018-04-02 15:12:38 2089

sunyao_123的博客