几夏经秋-优快云博客

原创 Pytorch技法：pytorch最新版中实现混合精度训练（二）

新版pytorch的混合精度训练代码，版本号>2.4.0的可以直接拷贝使用

2024-11-17 17:14:15 323 1

原创 SNN文献阅读1：Brain-inspired Multilayer Perceptron with Spiking Neurons

类脑智能与脉冲神经网络

2024-11-17 17:01:29 572

原创脑肿瘤分割学习（五）：A Robust Volumetric Transformer for Accurate 3D Tumor Segmentation

纯Transformer分割架构

2022-08-03 22:41:23 1233 1

原创论文阅读二：Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation

Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation

2022-06-18 18:38:13 1171

原创脑肿瘤分割学习（4）：Multi-step Cascaded Networks for Brain Tumor Segmentation

Multi-step Cascaded Networks for Brain Tumor Segmentation[多步级联的脑肿瘤分割网络]Abstract1 Introduction2. Methodology2.1 Multi-step Cascaded Network2.2 3D U-Net Architecture with Deep Supervisions3. Experiments3.1 Preprocessing3.2 Implementation Details3.3 Segmentat

2022-04-15 23:54:15 2375 2

原创脑肿瘤分割论文学习（3）Two-Stage Cascaded U-Net 1st Place Solution to BraTS Challenge 2019Segmentation Task

Two-Stage Cascaded U-Net: 1st Place Solution to BraTS Challenge 2019Segmentation Task写在前面，作为BraTS2019分割挑战赛的第一名，其内容比较新颖，目前来看，是脑肿瘤分割方法在nnUnet出来前的集大成者，能看到多阶段，深度监督等思想的体现，同样本文是一个workshop，写作上更加直接Abstract介绍本文的工作在本文中，我们设计了一种新颖的两级级联U网来从粗略到精细地分割脑肿瘤的亚结构。【

2022-04-13 23:18:08 5492

原创 Pytorch技法：如何通过Pytorch实现混合精度训练（一）

一键实现pytorch混合精度训练

2022-04-11 22:03:44 3108 2

原创 Transformer论文阅读（三）：UNETR: Transformers for 3D Medical Image Segmentation

UNETR: Transformers for 3D Medical Image Segmentation 【Transformer用于3D医学图像分割】Abstract1 Introduction2 Related Work3 Methodology3.1 Architecture3.2 Loss Function4 Experiements4.1 Datasets4.2 Implementation Details4.3 Quantitative Evaluations4.4 Qualitative R

2022-04-08 23:23:18 3424 1

原创 A Rapid, Accurate and Machine-Agnostic Segmentation and Quantification Method for CT-Based COVID-19

A Rapid, Accurate and Machine-Agnostic Segmentation and Quantification Method for CT-Based COVID-19 DiagnosisAbstractIntroductionREALTED WORKOverview of CAD System for Lung DiseasesAI-Based CAD Systems for COVID-192.5D Methods for 3D SegmentationContributi

2022-04-07 21:30:05 1023 1

原创脑肿瘤分割论文打卡2：E1D3 U-Net for Brain Tumor Segmentation

E1D3 U-Net for Brain Tumor Segmentation: Submission to the RSNA-ASNR-MICCAI BraTS 2021 challenge 【E1D3 U-Net 用于脑肿瘤分割】Abstract1 Introduction2 Realted Works3 Methodology3.1 E1D3 U-Net :One Encoder, Three Decoders3.2 Training3.3 Testing4Experiments4.1 System

2021-10-21 18:43:46 4373 3

原创 Transformer论文阅读（二）：Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation

Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation 【用于医学图像分割的Unet形的纯Transformer】Abstract1 Introduction2 Realted work2.1 CNN-based methods2.2 Vision transformers2.3 Self-attention/Transformer to complement CNNS3 Method3.1 Architecture over

2021-08-20 19:32:21 2447 1

原创 Transformer论文阅读（一）：CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation

CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation 【有效桥接CNN与Transformer进行3D医学图像分割】Abstract1 Introduction2 Materials3 Methods3.1 CNN-encoder论文地址：https://arxiv.org/abs/2103.03024v1Abstract介绍大背景，为啥要研究Transformer卷积神经网络（CNN)已

2021-08-16 19:03:18 2303

原创论文阅读一：Rethinking Skip Connection with Layer Normalization in Transformers and ResNetsu

Rethinking Skip Connection with Layer Normalization in Transformers and ResNets ：重新思考Transformers 和ResNets网络中层归一化的跳跃连接Abstract1 Introduction2 Related Work3 Architecture4 实证研究 Empirical Study4.1 Task and Settings4.1.1 Image Classfication4.1.2 Machine Transl

2021-06-16 21:56:11 794 2

原创 TransBTS: Multimodal Brain Tumor Segmentation Using Transformer

TransBTS: Multimodal Brain Tumor Segmentation Using Transformer【使用Transformer进行多模态脑部肿瘤分割】AbstractIntroductionAbstract研究背景介绍，引出本文工作Transformer可以利用自注意力机制进行全局信息建模，近来来已经在自然语言处理和2D图像分类方面取得了成功。【介绍Transformer的优点：全局信息（突出了全局二字）】然而，局部和全局特征对于密集的预测任务都至关重要（不可或缺），

2021-04-07 21:17:13 2922 2

原创脑膜瘤论文阅读（一）

@[TOC](Fully automated detection and segmentation of meningiomas using deep learning on routine multiparametric MRI(使用常规多参数MRI的深度学习对脑膜瘤进行全自动检测和分割))摘要MRI是脑膜瘤影像中的首选方法，且其体积评估与治疗计划和监测高度相关。本文提出在常规的MRI数据（包括来自不同机构的图像）上使用多参数的深度学习模型(DLM)进行研究，探究与传统方法相比，新提出的DLM在脑

2020-12-18 21:12:28 1150

原创 Semi-supervised Classfication WITH GRAPH Convolutional Networks 阅读笔记

Semi-supervised Classfication WITH GRAPH Convolutional Networks（基于图卷积网络的半监督分类 ICLR2017）摘要绪论图的快速近似卷积谱图卷积Layer-wise线性模型摘要提出一种基于图结构数据的可扩展的半监督学习方法，这种方法是CNN在图结构数据上的一种有效变体，可以对图进行直接操作（即能对图结构进行卷积操作，即将可卷积范围扩展至图这种结构数据）。通过谱图卷积（spectral graph convolutions）的局部一阶近似

2020-11-08 22:11:48 250

空空如也

TA创建的收藏夹 TA关注的收藏夹

TA关注的人

qq_38296005的博客

原创 Pytorch技法：pytorch最新版中实现混合精度训练（二）

原创 SNN文献阅读1：Brain-inspired Multilayer Perceptron with Spiking Neurons

原创脑肿瘤分割学习（五）：A Robust Volumetric Transformer for Accurate 3D Tumor Segmentation

原创论文阅读二：Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation

原创脑肿瘤分割学习（4）：Multi-step Cascaded Networks for Brain Tumor Segmentation

原创脑肿瘤分割论文学习（3）Two-Stage Cascaded U-Net 1st Place Solution to BraTS Challenge 2019Segmentation Task

原创 Pytorch技法：如何通过Pytorch实现混合精度训练（一）

原创 Transformer论文阅读（三）：UNETR: Transformers for 3D Medical Image Segmentation

原创 A Rapid, Accurate and Machine-Agnostic Segmentation and Quantification Method for CT-Based COVID-19

原创脑肿瘤分割论文打卡2：E1D3 U-Net for Brain Tumor Segmentation

原创 Transformer论文阅读（二）：Swin-Unet: Unet-like Pure Transformer for Medical Image Segmentation

原创 Transformer论文阅读（一）：CoTr: Efficiently Bridging CNN and Transformer for 3D Medical Image Segmentation

原创论文阅读一：Rethinking Skip Connection with Layer Normalization in Transformers and ResNetsu

原创 TransBTS: Multimodal Brain Tumor Segmentation Using Transformer

原创脑膜瘤论文阅读（一）

原创 Semi-supervised Classfication WITH GRAPH Convolutional Networks 阅读笔记

原创 GPU云服务器的选择与使用

原创 CNN中感受野的理解与计算（以VGG16中为例）

原创 opencv4.1.0+contrib+cmake+qt编译与环境配置（mingw版）

SCI-HUB文献查找神器

北京大学算法设计与分析PPT

Ubuntu实现SSD算法训练步骤

华为多屏协同资料包（非华为电脑安装多屏协同）

opencv-4.10（带nonfree）.zip

opencv-4.10.zip

CVPR 2018 _ 腾讯AI Lab入选21篇论文详解

libero soc 使用教程

空空如也