![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
迁移学习
文章平均质量分 65
LANG_C_
这个作者很懒,什么都没留下…
展开
-
Semantic Consistent UnsupervisedDomain Adaptation for Cross-https:ModalityMedical Image Segmentation
无监督域适应(UDA)交叉模态医学图像分割技术通过域不变特征学习或图像外观转换取得了很大进展。基于特征级自适应的方法在分类任务中学习到良好的领域不变特征,但通常不能检测像素级的领域偏移,在密集的语义分割任务中不能取得良好的结果。基于图像外观自适应的方法将图像转换成不同风格,具有良好的外观,但语义一致性难以保持,导致跨模态分割效果差。在本文中,我们提出了UDA的模态内和跨模态语义一致性(ICMSC),我们的关键见解是,不同风格的合成图像的分割应该是一致的。原创 2022-08-24 19:39:20 · 888 阅读 · 1 评论 -
TMI2021 :Adapt Everywhere: Unsupervised Adaptation of Point-Clouds and Entropy Minimization for Mult
深度学习模型对领域偏移现象非常敏感。在一个领域的图像上训练的模型不能很好地概括当测试从不同的领域的图像,尽管捕获了相似的解剖结构。这主要是因为两个域之间的数据分布不同。此外,为每个新模态创建注释是一项冗长而耗时的任务,而且还会受到观察者之间和观察者内部的高度可变性的影响。无监督域适应(UDA)方法旨在减少源域和目标域之间的差距,利用源域标记数据生成目标域的标签。然而,当前最先进的(SOTA) UDA方法在源和目标域数据不足时性能下降。本文提出了一种新的基于UDA的多模态心脏图像分割方法。原创 2022-08-24 18:36:55 · 1036 阅读 · 0 评论 -
【论文粗读】变分自编码器以及应用在域自适应
Unet和变分自编码器(生成网络)的一种结合,通过对潜在空间进行扰动来获得预测不确定性的能力,文中对latent space扰动三次,然后结合unet的输出最终获得多个预测结果,由此来计算不确定性。通过下面这个代码生成干扰后的模型,通过这些模型来获得。也是利用变分自编码器来生成不确定性的模型,transfer branch模块和上面一篇论文大同小异。在adaptation branch中还通过不确定性map来挑选置信度较高的一些图片,然后送到后面分割网络中去训练。原创 2022-08-20 10:41:11 · 758 阅读 · 0 评论 -
Domain Adaptation Meets Zero-Shot Learning:An Annotation-Efficient Approachto Multi-Modality Medic
由于缺乏正确注释的医学数据,探索深度模型的泛化能力成为公众关注的问题。近年来出现的零样本学习(Zero-shot learning, ZSL)使深度模型具备了识别不可见类的能力。但现有的研究主要集中在自然图像上,利用语言模型提取辅助信息用于ZSL。将自然图像ZSL解决方案直接应用于医学图像是不现实的,因为医学术语具有很强的领域特异性,并且不容易获得医学术语的语言模型。在这项工作中,我们提出了一个新的范式的ZSL专门用于医学图像利用交叉模态信息。我们对所提出的范式做出了三个主要贡献。原创 2022-08-19 10:39:10 · 984 阅读 · 0 评论 -
【系列笔记1】基于迁移学习的语义分割常见算法系
语义分割面临的两大问题是除了要从数据集上来解决,他们发现可以通过计算机图形学等技术通过合成出模拟的数据集代替真实世界的这些数据集,从而降低标注的成本。 因此目标就是通过研究出来的迁移算法解决在源域训练的模型在目标域上性能降低的问题。......原创 2022-06-08 21:34:36 · 1534 阅读 · 0 评论 -
【论文精读】PSIGAN: Joint Probabilistic Segmentation and Image Distribution Matching for Unpaired Cross-
语义分割、医学图像分割论文基于非配对交叉模态自适应MRI分割的联合概率分割和图像分布匹配目录2020 IEEE Transactions on Medical Imaging(TMI)原创 2022-06-08 21:36:37 · 158 阅读 · 0 评论 -
【笔记】图像概率分布/PCA主成分分析理解
在看一些迁移论文时经常看到图像概率分布这一概念,在数字图像处理课程中学过,这里加深一下理解~~~原创 2022-06-06 10:18:17 · 1033 阅读 · 0 评论 -
【笔记】迁移学习中度量方法MMD(Maximum Mean Discrepancy 最大均值差异)
最大均值差异度量MMF原创 2022-06-04 20:36:53 · 4436 阅读 · 0 评论 -
【笔记】迁移学习中边缘概率分布和条件概率分布
迁移学习——域自适应迁移学习概述(Transfer Learning)在迁移学习中,边缘概率分布和条件概率分布有什么含义? 学习域适应之前比较陌生的是在迁移学习中边缘概率分布和条件概率分布有什么含义?(参考王晋东大佬和一些知乎上的回答)......原创 2022-06-04 16:40:50 · 2873 阅读 · 1 评论