paper
zxyhhjs2017
这个作者很懒,什么都没留下…
展开
-
VideoMatch: Matching based Video Object Segmentation
Abstract:1.视频目标分割是一个很重要的挑战,对于各种各样的视频分析任务。最近视频目标分割任务基于深度网络取得了state-of-the-art的结果。2.由于作为预测任务的表述,这些方法中的大多数都需要在测试期间进行微调,以使深层网记忆给定视频中感兴趣对象的外观。3.为了解决这个问题,我们开发了一种新颖的基于匹配的视频对象分割算法。 与基于记忆的分类技术相比,所提出的方法学习...原创 2019-12-09 15:27:47 · 3411 阅读 · 1 评论 -
FlowNet: Learning Optical Flow with Convolutional Networks
Abstract:最近卷积神经网络在计算机视觉领域取得了成功,但是光流估计没有在这些任务的CNN中取得成功,这篇文章主要是用CNN以一个有监督的方式来解决光流估计,我们提出了两个网络结构:一个是普通的CNN,另外一个是包括一个层,这一层是包括使不同图像位置的特征向量相关的层。由于现有ground truth的数据集不足以训练CNN,因此我们生成了一个大型的合成飞行椅数据集。我们表明,使用这种不...原创 2019-12-06 09:14:53 · 1572 阅读 · 1 评论 -
Learning Video Object Segmentation from Static Images
Abstract:论文灵感来源于:实例分割和目标跟踪特点:1.我们的模型在每帧的基础上进行,并由前一帧的输出导向下一帧中的关注对象 2.一个高度准确的视频目标分割可以用一个卷积神经网络并用静态的图片来训练 3.使用在线和离线的策略,前者产生了一个refined mask从之前帧的评估而后者则是可以捕获特定实例目标的外观。4.我们的方法可以处理不同的输入标注如bounding box和分割,...原创 2019-12-03 21:25:22 · 2183 阅读 · 1 评论 -
Automatic Brain Tumor Segmentation using Cascaded Anisotropic Convolutional Neural Networks
摘要:问题:用于脑肿瘤分割方法:1.提出一个级联架构去分割整个肿瘤,核心肿瘤,和增强肿瘤,将多类分割分解为3个2类分割问题.即先分割整个肿瘤,再从整个肿瘤中分割,核心肿瘤,再从核心肿瘤中分割增强肿瘤.2.使用了各向异性卷积和孔洞卷积,结合多视角融合来减少假阳性.3.还使用了残差块和多尺度预测结果:在Brats2017上取得了.Experiments with BraTS...原创 2019-03-21 11:38:26 · 1052 阅读 · 0 评论 -
No New-Net
一.摘要:问题:2018Brats challenge方法:用u-net训练,加上了一些微小的改进,加上一些额外的数据结果:第二名一个训练的很好的u-net可以取得一个非常好的结果,并且作者觉得努力去更改网络的结构的那些人很有意思(嘲讽66666)二.介绍:相关工作:在Brats2016的挑战中,DeepMedic-3D CNN(Kamnitsas e...原创 2019-03-25 15:44:47 · 1946 阅读 · 0 评论 -
3D MRI brain tumor segmentation using autoencoder regularization
摘要:问题:3DMRI 脑肿瘤分割方法:描述了一个编码器解码器的结构,由于训练数据集大小有限,添加变分自动编码器分支以重建输入图像本身,以便使共享解码器正规化并对解码器层施加额外约束。结果:2018年挑战第一名介绍:前面描述的是脑肿瘤等级,以及介绍数据集贡献:1.在这项工作中,我们描述了我们用于多模式3D MRI的体积3D脑肿瘤分割的语义分割方法,该方...原创 2019-03-22 16:48:58 · 3166 阅读 · 6 评论 -
Deep Inside Convolutional Networks: Visualising Image Classification Models and Saliency Maps
开源:http://code.google.com/p/cuda-convnet/网上的代码实现(在这个网页里面,自己寻找):https://www.jianshu.com/p/e46b1aa48886摘要:问题:1.可视化神经网络,得知神经网络在做什么方法:我们使用两种可视化技术,都是计算关于相关图片类得分的梯度(1).可视化类的概念,最大化类得分(?)(2).计算所...原创 2019-03-19 14:14:37 · 5833 阅读 · 0 评论 -
Generalised Dice Overlap as a Deep Learning Loss Function for Highly Unbalanced Segmentations
一.摘要:1.问题:无论是2D还是3D分割都会出现数据不平衡的问题为了解决这个问题,提出了加权交叉熵损失,灵敏度损失,和dice损失2.我们做了什么?调查了不同损失函数对不平衡标签下,学习率不同的灵敏度3.我们的成果?提出Generalised Dice overlap,对于类不平衡系数二.介绍:概述:对于病理图像中,只有一小部分代表病变区域,所以会产生...原创 2019-05-13 20:41:29 · 1852 阅读 · 0 评论 -
FCN
论文Fully Convolutional Networks for Semantic Segmentation 是图像分割的milestone论文。理清一下我学习过程中关注的重点。fcn开源代码github下载地址https://github.com/shelhamer/fcn.berkeleyvision.org核心思想该论文包含了当下CNN的三个思潮- 不含全连接层(fc...转载 2019-05-14 12:38:57 · 520 阅读 · 0 评论 -
deeplab v3+---Encoder-Decoder with Atrous Separable Convolution for Semantic Image Segmentation
一.摘要:1.spp是什么?问题:分割我们提出了什么:1.deeplab v3+ 在deeplab v3的基础上加了一个简单的decoder模块来改善分割结果,尤其是对于边界区域2.我们采用xception当中的深度壳分离卷积,来应用到aspp和decoder模块中去,能够得到一个更好和更快的结果结果:我们证明了所提出的模型在PASCAL VOC 2012语义图像分割数...原创 2019-05-20 11:17:41 · 824 阅读 · 0 评论 -
浅析贝叶斯神经网络
class VariationalDense: def __init__(self, n_in, n_out): self.W_mu = tf.Variable(tf.truncated_normal([n_in, n_out], stddev=stddev_var)) self.W_logsigma = tf.Va...转载 2019-06-05 13:22:10 · 1843 阅读 · 0 评论 -
Decoders Matter for Semantic Segmentation: Data-Dependent Decoding Enables Flexible Feature Aggregat
cvpr2019摘要:问题:分割问题,针对于encoder和decoder方法:使用data-dependent upsample,可以减少参数量,同时可以融合不同尺度特在,提高准确率贡献:仅用百分之20的计算量,超越了现在最好的decoder,没有做任何后处理:88.1% mIOU on PASCAL VOC with 30% computation of the previou...原创 2019-06-24 16:55:54 · 967 阅读 · 3 评论 -
Ensembles of Multiple Models and Architectures for Robust Brain Tumour Segmentation
三个模型的代码开源,但是这个方法的整体不开源:DeepMedic:DeepMedicFCN:FCNu-net:u-net一.摘要:问题: 一个应用于脑部肿瘤分割的任务,由于不同的神经网络有不同的性能,表现很容易受不同的网络结构和不同的数据集影响。方法: 采用多个神经网络集成,这样就减少了不同网络元参数(超参)的影响,和防止对一些特定数据集的过拟合。结果...原创 2019-03-20 15:27:46 · 885 阅读 · 0 评论 -
PAD-Net: Multi-Tasks Guided Prediction-and-Distillation Network for Simultaneous Depth Estimation an
摘要:1.深度评估和场景稀疏是两个非常重要的计算机场景理解任务。2.我们用一个级联的cnn来解决了这两个问题(多任务学习问题)。3.不同于之前的任务,直接优化输入数据,我们的方法提出了一个任务导向预测和提取网络(PAD-Net)4.先预测一系列的中间辅助任务,然后这些预测结果通过我们的提取模块作为一个多模态输入给我们最后的网络。5.在级联学习当中,这个中间任务不仅仅作为一个监督...原创 2019-03-03 15:47:59 · 2670 阅读 · 2 评论 -
Visualizing and Understanding Convolutional Networks
《Visualizing and Understanding Convolutional Networks》Matthew D Zeiler, Rob Fergus (ECCV2014)论 文 :http://t.cn/RyYKQ8z视频: http://t.cn/RyYKQ87翻 译 : http://blog.csdn.net/kklots/article/details/171...转载 2019-01-03 21:17:24 · 206 阅读 · 0 评论 -
Densely Connected Convolutional Networks
Densely Connected Convolutional Networks摘要:最近的工作显示了,神经网络通过最近的层作为输入连接到后层,然后通过更深的层数,能够更有准确率,而且更有效率的收敛(即收敛更快),本文Densenet,就是通过前层的所有特征...原创 2019-01-14 10:15:51 · 703 阅读 · 0 评论 -
Grad-CAM: Visual Explanations from Deep Networks via Gradient-based Localization
Grad-CAM:Visual Explanations from Deep Networks via Gradient-based Localization摘要:1.我们提出了一种技术,用于为来自大型基于卷积神经网络(CNN)的模型的决策产生“视觉解释”,使其更加透明2.我们的方法 - 梯度加权类激活映射(Grad-CA...原创 2019-02-21 17:02:44 · 4841 阅读 · 1 评论 -
One-Pass Multi-task Convolutional Neural Networks for Efficient Brain Tumor Segmentation
method:首先:用三个网络来训练,分别针对comlete区域,core区域,和enhancing区域(使用网络OM-net)1.使用随机采样从MRI大脑图像中采块,训练,分类器分为5类,最后测试的时候直接测出complete区域,得到粗分割,并且使用腐蚀的方法,平滑complete,消除一些假阴性2.训练样本是从complete中提取,训练,分类,我的理解应该是分为core里面的3...原创 2019-02-27 17:21:42 · 774 阅读 · 3 评论 -
resnet
Deep Residual Learning for Image Recognition 摘要:1.较深的神经网络难以训练2.本文定义使用了残差块,并且证明使用残差块有利于网络收敛,使用152层的残差网络,能够提升精度,并且是vgg19的8倍那么深,并且具有更低的复杂性(...原创 2019-02-18 19:48:31 · 1379 阅读 · 0 评论 -
Multi-task Fully Convolutional Network for Brain Tumour Segmentation
1.使用多标签分类将肿瘤分为complete,core,enhancing1.通过三个阶段进行上采样,然后连接branch loss进行2分类,这三个branch分别是complete,core,ehancing2.最后将三个concate给后面进行最后的5分类,他的损失函数没看懂:????训练:使用brats2013上面的HGG的训练集,进行5折的交叉验证,...原创 2019-02-28 14:30:01 · 445 阅读 · 0 评论 -
Adaptive Feature Recombination and Recalibration for Semantic Segmentation: Application to Brain Tum
MICCAI2018摘要:1.CNN的特征之间有空间相关性(指的是units in feature maps (FMs) at a given location and the corresponding classified voxels不懂??),FCN利用了特征的融合(FCN可以一次分割体素是什么意思??什么叫一次分割,就是一次可以分割完整个slice)2.但不是所有的都用空间相...原创 2019-02-28 21:54:17 · 605 阅读 · 0 评论 -
A MULTI-TASK FRAMEWORK WITH FEATURE PASSING MODULE FOR SKIN LESION CLASSIFICATION AND SEGMENTATION
摘要:1.分割任务和分类任务是有联系的2.设计了一个特征融合模块在分类分支和分割分支之间传递信息3.有些信息是有用有些信息是无用的,所以设置了一个门函数来控制信息之间的传递introduction:1.低层共享特征,我们提出多任务结构,能够稍微提高准确率和节省时间2.为了进一步深挖两个任务之间的依赖,用门函数来控制传送信息3.可学习的门功能用于控制消息传输,因此只...原创 2019-03-01 14:54:27 · 536 阅读 · 1 评论 -
A deep learning model integrating FCNNs and CRFs for brain tumor segmentation
摘要:1.通过将完全卷积神经网络(FC-NN)和条件随机场(CRF)集成在一个统一的框架中,得到一种新的脑肿瘤分割方法,以获得具有外观和空间一致性的分割结果。2.步骤:我们使用2D图像训练基于深度学习的分割模型以下步骤中的块和图像切片:1)使用图像块训练FCNN;2)使用固定FCNN参数的图像切片训练CRF作为回归神经网络(CRF-RNN);3)使用图像切片微调FCNN和...原创 2019-03-02 11:32:48 · 923 阅读 · 0 评论 -
深度学习---之segnet
原文地址:SegNet复现详解:http://mi.eng.cam.ac.uk/projects/segnet/tutorial.html实现代码: github TensorFlow简介: SegNet是Cambridge提出旨在解决自动驾驶或者智能机器人的图像语义分割深度网络,开放源码,基于caffe框架。Seg...转载 2018-12-17 11:18:06 · 466 阅读 · 0 评论