未来不再遥远

基于循环层级网络的无监督医学图像配准Recursive Cascaded Networks for Unsupervised Medical Image Registration配准系列论文源代码: [微软github](https://github.com/microsoft/Recursive-Cascaded-Networks.)摘要针对形变图像配准定义一种循环层级网络; 虽然是循环层级网络，但是整个训练是end-to-end的和无监督的；效果达到不错的，对3d医学图像能减少不少

Deep Learning Models for Bone Suppression in Chest RadigraphsmethodAutoencoder-like convolutional model 共享相同但相映射的编码器和解码器权重。实际上是一个降噪过程，但是这个噪声不是一个正态分布，而是有结构（骨架）。 滤波器大小为5*5，stride=[1, 2, 2, 1]. ...

EnhanceNet: Single Image Super-Resolution Through Automated Texture Synthesis背景实习公司老大，让我看下这篇文章，并讲下这篇论文，所以我写下这篇博客，并总结我对偏文章的认识。这篇结合三个领域：1.去噪相关，2.超分辨重建，3.对抗网络。基于像素重建的评价标准：peak signal-to-noise rat...

Adversarial Learning for Semi-Supervised Semantic Segmentation这篇文章引入对抗网络，做半监督学习，想法很好，也被证明有效果，但是有多大的提高有待商榷。可以说这篇文章的思路重点在于思想。网络结构分割网络用的是DeepLab-v2+ResNet-101+ASPP结构。分割网络可以说很一般了，这篇paper的重点不在分割...

Learning to Adapt Structured Output Space for Semantic Segmentation——CVPR2018前面【1】一篇，有提到用对抗loss和半监督来做分割。而这篇可以说是对抗loss和域适配结合起来做的另一个工作了。背景：知识迁移和域适配：目标域(target domains，没有标注)和源域(source domains，有标注)...

UNSUPERVISED REPRESENTATION LEARNING WITH DEEP CONVOLUTIONAL GENERATIVE ADVERSARIAL NETWORKS背景前面【1】和【2】都提到这篇文章，之前也有看过，但是没有好好理一遍。今天有时间整理并且发布在博客上。我们知道最早的GAN,并不是直接能用在深度卷积网络上。这篇paper主要在于提出一个deep c...