MyDLNote-Segmentation
文章平均质量分 92
Phoenixtree_DongZhao
深度学习 图像处理
展开
-
医学图像分割与分类的基础模型 VISION-MAE
人工智能(AI)具有彻底改变医学成像中诊断和分割技术的潜力。然而,其开发和临床实施面临多重挑战,包括数据可用性有限、缺乏通用性,以及需要有效整合多模态数据。基础模型是一种大规模的预训练AI模型,提供了一个多功能的基础,可以适应各种特定任务和上下文。在此,本文介绍了一种专为医学成像设计的新型基础模型VISION-MAE。具体来说,VISION-MAE使用自监督学习技术,在包含250万张来自不同模态(CT、MR、PET、X光和超声)的未标记图像的数据集上进行训练。然后,它使用明确的标签适应于分类和分割任务。原创 2024-08-24 14:48:31 · 788 阅读 · 0 评论 -
Generalized SAM: 可变输入图像尺寸SAM的有效微调
关于提高基础模型微调效率的研究层出不穷。在本文中,我们提出了一种新颖且高效的微调方法,该方法允许“Segment Anything Model”(SAM)模型的输入图像尺寸可变。SAM是一个在大型数据集上训练得到的强大图像分割基础模型,但要识别任意类别,则需要对其进行微调。SAM的输入图像尺寸固定为1024×1024,这导致训练过程中的计算需求相当大。此外,固定的输入图像尺寸可能会导致图像信息丢失,例如由于固定的宽高比。为解决这一问题,我们提出了“Generalized SAM”(GSAM)。原创 2024-08-23 22:42:53 · 1106 阅读 · 0 评论 -
SAM2-UNet: SAM2用于自然和医学图像分割
本文证明了 Segment Anything Model 2 (SAM2) 对于U-Net图像分割任务非常有效。本文提出了图像分割的 SAM2-UNet。SAM2-UNet 使用 SAM2 的分级骨干网络作为编码器;解码器使用经典U-Net。微调过程的adapters插在编码器中。原创 2024-08-20 12:21:16 · 1125 阅读 · 0 评论 -
TPAMI 2024 基于Transformer视觉分割研究进展
视觉分割寻求将图像、视频帧或点云分割成多个片段或组。这项技术在现实世界中有许多应用,如自动驾驶、图像编辑、机器人传感和医学分析。在过去的十年中,基于深度学习的方法在这一领域取得了显著的进步。最近,Transformer,一种基于自关注的神经网络,最初是为自然语言处理而设计的,在各种视觉处理任务中大大超过了以前的卷积或循环方法。具体来说,视觉Transformer为各种分割任务提供了强大,统一,甚至更简单的解决方案。本调查提供了基于Transformer的视觉分割的全面概述,总结了最近的进展。原创 2024-08-16 17:25:24 · 1055 阅读 · 0 评论 -
CVPR 2022 无监督显著度检测:Multi-Source Uncertainty Mining for Deep Unsupervised Saliency Detection
本文提出了一种新的多源不确定性挖掘方法,以促进对由传统手工制作的 SOD 方法产生的多个噪声标签的无监督深度学习。本文设计了一个不确定性挖掘网络 (UMNet),该网络由多个 Merge-and-Split (MS) 模块组成,递归分析多个噪声标签之间的共性和差异,并为每个标签推断像素级的不确定性地图。同时,本文使用 Gibbs 分布对噪声标签进行建模,并提出加权不确定性损失来与 SOD 网络联合训练 UMNet。因此,UMNet 可以自适应地为 SOD 网络学习选择可靠的标签。..............原创 2022-07-06 17:07:44 · 2554 阅读 · 2 评论 -
AAAI2020 去雾、去雨、超分变率、去噪、去模糊、语义分割
1706: Towards Domain Invariant Single Image Dehazing Pranjay Shyam, Kuk-Jin Yoon, Kyung-Soo Kim26: EfficientDeRain: Learning Pixel-Wise Dilation Filtering for High-Efficiency Single-Image Deraining Qing Guo, Jingyang Sun, Felix Juefei-Xu, Lei Ma, Xiao.原创 2021-01-31 07:17:17 · 2032 阅读 · 0 评论 -
[论文速读]:CVPR 2020 在傅里叶域自适应实现语义分割 Fourier Domain Adaptation
FDA: Fourier Domain Adaptation for Semantic Segmentation[PAPER] [GITHUB]AbstractWe describe a simple method for unsupervised domain adaptation, whereby the discrepancy between the source and target distributions is reduced by swapping the low-f.原创 2020-11-30 18:28:37 · 4305 阅读 · 3 评论 -
MyDLNote - Attention:[NLA系列] CCNet: Criss-Cross Attention for Semantic Segmentation
CCNet: Criss-Cross Attention for Semantic Segmentation[paper] :CCNet: Criss-Cross Attention for Semantic Segmentation[github] :https://github.com/speedinghzl/CCNet[Non-Local Attention 系列]Non...原创 2020-03-09 01:32:44 · 1283 阅读 · 0 评论 -
MyDLNote - Attention: [NLA系列] Asymmetric Non-local Neural Networks for Semantic Segmentation
Asymmetric Non-local Neural Networks for Semantic SegmentationZhen Zhu , Mengde Xu , Song Bai , Tengteng Huang , Xiang BaiHuazhong University of Science and Technology, University of Oxford[GitH...原创 2019-11-07 14:29:00 · 2845 阅读 · 1 评论