moshiyaofei的博客

3D U-net with Multi-level Deep Supervision: Fully automatic segmentation of Proximal Femur in 3D MR Images3D UNet 进行股骨分割

理解论文：H-DenseUNet: Hybrid Densely Connected UNet for Liver and Tumor Segmentation from CT Volumes.一、综述1.提出了混合密集连接unet（H-DenseUNet）。2.端到端训练方式。3.层间表现力和层内特征通过一个混合特征融合层 联合优化。二、两个技术成果1...

翻译：Convolutional LSTM Network: A Machine Learning Approach for Precipitation NowcastingAbstract1.Precipitation Nowcasting的目标是预测较短时间内当地的降雨强度。2.此篇论文之前很少有研究从机器学习的角度去做天气预报。3.本文将降水临近预报问题归结为一个时空序...

理解论文 Residual Attention Network for Image ClassificationAbstract1.提出了 Residual Attention Network。2.这是一种使用attention机制卷积神经网络，该卷积神经网络能够以端到端的训练方式与现有技术的前馈网络结构相结合。3.Residual Attention Network通过堆叠产生a...

理解论文   Group Normalization 摘要1.在batch dimension上normalizing存在问题：由于批量统计估计不准确，批量越小，BN的误差越大。 2.提出了一种简单的BN的替代品：Group Batchnormalization（GN）。3.GN将通道划分为多个组，并在每个组内计算平均值和方差以进行归一化。 GN的计算与batch sizes无关，...

理解论文   Understanding Convolution for Semantic Segmentation 摘要1.设计了dense upsampling convolution（DUC）来产生像素级的预测，能够捕获和解码双线性上采样的丢失的更多详细信息。2.在编码阶段，提出了混合膨胀卷积（Hybrid dilated convolution）框架，简称HDC。这个框架 ...

理解论文  Generalised Wasserstein Dice Score for Imbalanced Multi-class Segmentation using Holistic Convolutional NetworksAbstract1.基于概率label空间上的Wasserstein距离，提出了一种基于语义信息的dice分数多类分割方法。 2.我们提出了一个整体的C...

理解论文： On the Compactness, Efficiency, and Representation of 3D Convolutional Networks: Brain Parcellation as a Pretext Task.Abstract1.提出了一种 high-resolution, compact convolutional network 针对 volume...

理解论文  Deep Residual Learning for Image RecognitionAbstract1.提出了一个残差学习框架，以简化比以前使用的网络更深入的网络训练。2.显式地将层重新表示为参考层输入的学习残差函数，而不是学习未引用的函数。3.这些残差网络更容易优化，并且获得更高的精度。4.使用152层的残差网络在ImageNet 数据及上评估网络，比VGG深...

理解论文 LEARNING VOLUMETRIC SEGMENTATION FOR LUNG TUMORABSTRACT1.提出了一种方法解决3D images segmentation。2.提出的方法是端到端的训练，并且预测volumetric segmentation outputs。3.为了解决前景背景分布不均衡的问题，使用dice loss和focal loss进行优化。...