《Transform- and multi-domain deep learning for single-frame rapid autofocusing》笔记

最新推荐文章于 2024-09-01 08:00:00 发布
原创 最新推荐文章于 2024-09-01 08:00:00 发布 · 461 阅读 · 3 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#autofocusing #deeplearning

本文介绍了使用卷积网络从单张图像中预测离焦距离的快速自动对焦方法，探讨了空间域、频域、自相关特征及其组合对预测的影响。实验表明，对于不同照明条件，多域网络能有效提高自动对焦的准确性。

论文：Transform- and multi-domain deep learning for single-frame rapid autofocusing in whole slide imaging

作者的快速聚焦方法是使用卷积网络从单个成像图片中预测图片的离焦距。之前的聚焦方法大多需要测量多张成像图片的聚焦值来预测聚焦镜头的移动方向和移动距离，但是论文的方法可以直接预测出聚焦位置的方向和距离。

作者使用不同的图片特征，包括图片的空间域特征、频域特征、自相关特征及其组合。作者探讨这几种特征对预测图片的离焦距的影响。虽然不同的离焦距导致成像图片不同的空间特征，但是仅仅依赖空间特征会对聚焦过程产生不好的表现。因此，最好从其他域中（比如频域）提取离焦特征。论文的实验把载玻片成像系统关照条件分成3种：incoherent Kohler illumination, partially coherent illumination with two plane waves, and one-plane-wave illumination。大多数情况下都是使用第一种关照条件。对于incoherent illumination，傅里叶阶段频率直接与离焦距相关联。类似地，自相关峰值与双平面波照射的离焦距直接相关。

Archiecture
作者使用的网络架构是ResNet：
deep residual network architecture

Trainset
作者从一次聚焦过程中采集一组图片，在离聚焦位置的-10μm到+10μm的范围内每隔0.5μm抓取一张图片，共41张成像图片，一些训练样本如

最低0.47元/天 解锁文章

新学期VIP享超值加赠
AIGC实战——深度学习 (Deep Learning, DL)
盼小辉丶的博客
10-25 6万+
深度学习 (Deep Learning, DL) 是贯穿所有生成模型 (Generative Model) 的共同特征，几乎所有复杂的生成模型都以深度神经网络为核心，深度神经网络能够学习数据结构中的复杂关系，而不需要预先提取数据特征。在本节中，我们将介绍深度学习基本概念，并利用 Keras 构建深度神经网络。
cvpr 注意力机制_今日论文|Transformer++刷新翻译SOTA&跨越语言鸿沟的视觉共享嵌入&高度驱动注意力网络&多语言问答数据集&MORE...
weixin_35836405的博客
01-02 4515
今日人工智能领域新增论文224篇，AI日读精选其中36篇推荐给大家。这些论文主要来自CVPR，AAAI，ECAI，AISTATS，ESWC，WAAS，JMLR等会议与期刊。其中包含计算机视觉论文17篇[1-17]，自然语言处理论文5篇[18-22]，方法论论文3篇[27-29]，知识图谱论文4篇[31-34]，推荐系统论文2篇[35-36]。首先来看计算机视觉论文：- 在临床显微镜中处理...
深度学习笔记（一）：Learning Multi-Domain Convolutional Neural Networks for Visual Tracking
qq_27711515的博客
08-25 2287
对于跟踪问题来说，CNN应该是由视频跟踪的数据训练得到的更为合理。 但用跟踪数据来训练很难，因为同一个object，在某个序列中是目标，在另外一个序列中可能就是背景，而且每个序列的目标存在相当大的差异，而且会经历各种挑战，比如遮挡、形变等等。 现有的很多训练好的网络主要针对的任务比如目标检测、分类、分割等的网络很大，因为他们要分出很多类别的目标。 目前很多训练好的网络都过大，若在跟踪问题中，一个网络只需要分两类：目标和背景，则网络不必过大。由此提出MDNet网络。
autofocus:用于对相机陷阱图像中的野生动物进行分类的深度学习计算机视觉
05-30
自动对焦 该项目使用深度学习计算机视觉来根据它们包含的动物标记由运动激活的“相机陷阱”拍摄的图像。 此标记任务的准确模型可以解决野生动物保护工作的主要瓶颈。 进一步阅读 获取应用程序 如果您只想获取图像的标签，您可以使用以下步骤运行通过训练模型传递图像的服务。 确保已安装并正在运行。 运行docker pull gsganden/autofocus_serve:1.2.3下载应用镜像。 （请注意，它会占用大约 4GB 的磁盘空间。） 运行docker run -p 8000:8000 gsganden/autofocus_serve:1.2.3以启动应用程序。 对应用程序发出 POST 请求以获取预测。 例如，将此 repo 的基础作为工作目录，您可以使用以下命令将图像fawn.JPG发送到应用程序： curl -F " file=@./gallery/fawn.JPG "
李宏毅《Deep Learning》学习笔记 - transformer
好记性不如烂笔头
06-11 1147
视频：https://www.youtube.com/watch?v=ugWDIIOHtPA&list=PLJV_el3uVTsOK_ZK5L0Iv_EQoL1JefRL4&index=61&t=1s 课件：http://speech.ee.ntu.edu.tw/~tlkagk/courses/ML_2019/Lecture/Transformer%20(v5).pdf Transformer是Seq2Seq with Self-attension BERT是unsupervised
机器学习-07-Deep Learning(深度学习简介)
迷雾总会解
12-07 1335
Deep Learning Ups and downs of Deep Learning 1958：Perceptron(linear model)，感知机的提出 和Logistic Regression类似，只是少了sigmoid的部分 1969：Perceptron has limitation，from MIT 1980s：Multi-layer Perceptron，多层感知机 和今天的DNN很像 1986：Backpropagation，反向传播 Hinton propose的Ba
【论文推送】跨域学习、跨域小样本学习Cross-Domain(持续更新...)
诸葛灬孔暗
08-13 4748
深度神经网络(DNN)的泛化性能相当依赖于训练集的规模(size)和丰富性(variations). 但是在很多场景下无法搜集到如此多的数据, 如皮肤病, 卫星图片(飞机残骸).尽管每种特殊的情况发生的概率很低, 人为处理的成本也很低, 但当我们有大量的”特殊情况”时, 问题就变得复杂了起来. 如何利用一个或一些成熟域上的先验知识，去解决另一个样缺少样本域上的复杂任务是跨域少样本学习 (Cross-Domain Few Shot Learning)研究的主要问题。 本文主要记录该领...
Deep Bilateral Learning for Real-Time Image Enhanceme/hdrnet 笔记
沉剑池
05-04 5001
本文参考论文Deep Bilateral Learning for Real-Time Image Enhanceme，按照原文中的第三章，通过阐述重点思想并结合代码来介绍hdrnet的网络结构。 论文project地址：https://groups.csail.mit.edu/graphics/hdrnet/ 3 OUR ARCHITECTURE 大部分的运算发生在低分辨率的图像上，即上...
周读论文系列笔记(2)-reivew-A survey on Deep Learning in Medical Image Analysis
不行不至
12-29 4641
刚接触这个领域…不怎么会写…有些翻译错和理解错的地方请大佬们多多指教~ 原文链接： 文章目录1.Deep learning methods2.Deep learning uses in medical imaging2.1 Classification 分类2.1.1 Image/exam classification （图像/exam 分类）2.1.2 Object or lesion cl...
Deep Bilateral Learning for Real-Time Image Enhancement
u011961856的专栏
08-20 8840
模型结构为:low resolutioion 图像特征提取1 low-lever features如上图所示,利用nSn_S个卷积(4层,卷积核为3×33\times3,stride=2),从low-resolution图像中提取低层特征SiS^i:,公式如下: 式中,I=1,...,nSI=1,...,n_S为每个卷积层的索引,c,c′c,c'为为卷积层的channels的索引.w′w'为卷积核
怎么快速入门大模型技术，大模型学习方法总结！
最新发布
star_nwe的博客
09-01 470
有两个成语，一个是事半功倍，一个是事倍功半；为什么会有这种情况？‍‍‍‍‍‍‍原因就是方式方法的问题，有些人掌握了正确的方法就会觉得做什么事都顺风顺水，事半功倍；而有些人使用了错误的方法，做什么都有问题，就出现了事倍功半。学习更是如此，有些人掌握了学习的技巧，天天玩但成绩又特别好。
论文解读： Learning to AutoFocus
Matrix-11
07-20 4418
论文解读： Learning to AutoFocus 今天介绍谷歌计算摄影团队的一篇新文章，Learning to AutoFocus，发表在 CVPR 2020 上。 在摄影中，自动对焦是一个非常重要的环节，相信绝大多数的用户，对于 AF 的要求都是又快又准，相机由于镜头的特性，一般来说只能在一定范围内成像清晰，这个范围叫做景深，为了能让自己关注的区域成像清晰，都需要用到对焦技术，这篇文章也是用上了深度学习的方法来实现的，可以看到，深度学习已经在 low-level 的图像处理中发挥着越来越重要的作用了
论文解读： Learning to AutoFocus (二)
Matrix-11
07-27 2035
论文解读： Learning to AutoFocus (二) 前面介绍了 Learning to AutoFocus 这篇文章，这篇文章主要是基于深度学习的方式来实现自动对焦算法的，不过这篇文章的补充材料里面，也介绍了很多传统算法的自动对焦算法，总得来说，是基于反差的对焦技术和基于相位检测的对焦技术。 Contrast-Based Baseline Algorithms 基于反差的对焦算法，就是给定一组 nnn 张不同对焦距离下的图，Ik,k∈{1,2,...n}I_k, k \in \{ 1,2,...
推荐系统遇上深度学习(一零七)-[阿里]使用统一模型进行多域CTR预估
abcdefg90876的博客
01-31 2231
今天给大家介绍的是阿里公开的一篇论文，主要介绍如何使用统一的模型在多domain进行CTR预估。论文标题为《One Model to Serve All: Star Topology A...
本人常用资源整理(ing...)
weixin_34248023的博客
05-24 2630
  Deep Learning（深度学习）： ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：一 ufldl的2个教程(这个没得说，入门绝对的好教程，Ng的，逻辑清晰有练习)：二 Bengio团队的deep learning教程，用的theano库，主要是rbm系列，搞python的可以参考，很不错。 deeplearning.net主页，里面包含的信息量非...
【重温序列模型】再回首DeepLearning遇见了Transformer
AI蜗牛车
11-11 2210
作者| Miracle8070研究| 时空序列预测与数据挖掘出品 | AI蜗牛车前言今天分享的论文是2017年谷歌团队发表的一篇论文，这是一篇非常经典的自然语言处理领域的文章，基于这...
Learning Multi-Domain Convolutional Neural Networks for Visual Tracking 论文笔记
Jayxbx的博客
04-19 3050
0 摘要 我们提出了一种基于CNN的视觉跟踪算法。算法从多个标注的videos中，来学习物体的共享的表示，协助进行跟踪。 网络的结构：shared layers + multiple branches of domain-specific layers 训练的时候，利用一些video来共同训练一个shared layers，每个video看做是一个单独的 domain，单独训练一个domai...
deep learning入门（二）
AndyViky的博客
04-06 374
DL入门（二）powered by @李宏毅 第四课（Sequence to Sequence） 1 Sequence Generation 输入一个vector,输出也为一个vector。 2 Conditional Sequence Generation 产生符合某种情景的句子或者图片… 3 Dynamic Conditional Sequence Generation 假如输入的是...
[深度学习论文笔记] 3D U2-Net: A 3D Universal U-Net for Multi-Domain Medical Image Segmentation
Slientsake的博客
03-15 2460
[论文解读] 3D U2-Net: A 3D Universal U-Net for Multi-Domain Medical Image Segmentation 3D-U2网络：一种用于多域医学图像分割的3D通用U网络 论文：https://arxiv.org/pdf/1909.06012 代码：https://github.com/huangmozhilv/u2net_torch/ 发表：2019 MICCAI 一、基本介绍 1.1历史背景 U-Net这样的全卷积神经网络已经成为医学图像分割的最新方法
glTF-Transform：JavaScript/TypeScript/Node.js 3D模型处理SDK
从提供的文件名称列表来看，该压缩包可能包含了glTF-Transform项目的多个文件和代码库，但是因为列表仅提供了“glTF-Transform-master”一个项目名称，我们无法从中获得更具体的知识点。通常，这样的列表可能包括源...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值