![](https://img-blog.csdnimg.cn/20201014180756724.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
论文研读
文章平均质量分 93
俺不是文盲
一个立志成为技术栈溢出工程师的菜狗
展开
-
论文研读:Transformers Make Strong Encoders for Medical Image Segmentation
在深度学习医学图像分割领域,UNet结构一直以来都牢牢占据着主导地位,并取得了巨大的成功。然而,由于卷积操作的固有局部性,U-Net通常在远程依赖方面表现出局限性。Transformer是为序列到序列的预测而设计的,已经成为具有固有全局自注意力机制的替代架构,但由于缺乏低级细节,可能导致定位能力有限。在本文中,作者提出了TransUNet,它兼有和U-Net的优点,作为医学图像分割的强大替代方案。原创 2024-03-25 17:40:31 · 1079 阅读 · 1 评论 -
论文研读:Densely Connected Convolutional Networks
Abstract研究表明,如果卷积网络在靠近输入和接近输出的层之间包含更短的连接,那么卷积网络可以更深入、更准确、更有效地训练。在本文中,作者引入了DenseNet,它以前馈方式将每一层连接到其他每一层。传统的L层卷积网络有L个连接——每层和后续层之间有一个连接——而本文的网络有L(L+1)/2个直接连接。对于每一层,使用所有前一层的特征映射作为输入,并使用其自身的特征映射作为所有后续层的输入。DenseNets有几个引人注目的优点。原创 2024-03-04 22:11:57 · 958 阅读 · 0 评论