- 博客(2)
- 收藏
- 关注
RSS订阅原创 Two at Once: Enhancing Learning and Generalization Capacities via IBN-Net论文笔记
论文主要贡献有3点：1）IN学习到的是对形状变换，比如颜色，风格，虚拟的或现实的不敏感的特征，而BN是保留纹理相关的特征；2）灵活，能够用到很多的架构；3）在迁移学习的时候不需要目标领域的数据就能够提高网络的表现。 目的是：解决输入图片的外观不变性。 方法是将IN和BN结合起来，IBN-Net。 结果是：IBN-Net能够学习捕获和消除外观的变换，而保持学到的特征的区别性。 结构特性：将I...
2018-07-31 00:18:24
2784
原创 unet和segnet的结合-论文笔记
U-SEGNET: FULLY CONVOLUTIONAL NEURAL NETWORK BASED AUTOMATED BRAIN TISSUE SEGMENTATION TOOLSegNet结构： 上采样使用的是maxpooling的索引。全体采用VGG16结构，两边完全对称。该论文将SegNet 和U-Net结合起来，在SegNet引入skip connection，进行更好的...
2018-07-22 10:07:53
9285
7
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人