
计算机视觉
文章平均质量分 85
几夏经秋
it小白
展开
-
论文阅读二:Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation
Axial-DeepLab: Stand-Alone Axial-Attention for Panoptic Segmentation原创 2022-06-18 18:38:13 · 1225 阅读 · 0 评论 -
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原创 2022-04-15 23:54:15 · 2441 阅读 · 2 评论 -
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。【原创 2022-04-13 23:18:08 · 5602 阅读 · 0 评论 -
Pytorch技法:如何通过Pytorch实现混合精度训练(一)
一键实现pytorch混合精度训练原创 2022-04-11 22:03:44 · 3126 阅读 · 2 评论 -
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原创 2022-04-08 23:23:18 · 3480 阅读 · 1 评论 -
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原创 2022-04-07 21:30:05 · 1038 阅读 · 1 评论 -
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原创 2021-08-20 19:32:21 · 2488 阅读 · 1 评论 -
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)已原创 2021-08-16 19:03:18 · 2361 阅读 · 0 评论 -
GPU云服务器的选择与使用
GPU云服务器使用一、阿里云平台GPU服务器:1.打开阿里云首页https://www.aliyun.com/ 在产品分类处选择CPU服务器,当然你也需要其他服务器也可以,本次主要讲述GPU云服务器2.点击之后在界面根据个人需求以及服务器满足的功能选取服务器,本文以GN5为例,点击购买之后将会跳转到自定义购买页面:3.付费模式根据自己选择选取合适的付费模式...原创 2020-04-05 13:47:45 · 4812 阅读 · 0 评论 -
CNN中感受野的理解与计算(以VGG16中为例)
由于SSD的主干网络是VGG16,出于对“低层features map的感受野较小,高层的感受野较大”的结论进行挖掘,因此对VGG16网络中的感受野进行了计算。感受野的定义:神经网络中每一层输出特征图上的像素点在输入图片上的映射的区域大小,也就是特征图上的每一个点对应的输入图片的区域。感受野的计算公式:RFi=(RF(i-1)-1)*stride+Ksize(i)...原创 2020-02-26 13:16:39 · 2375 阅读 · 5 评论 -
opencv4.1.0+contrib+cmake+qt编译与环境配置(mingw版)
opencv4.1.0+contrib+cmake+qt编译与环境配置(mingw版,文内附下载链接)转自:https://www.jianshu.com/p/9841e53a5001 **鉴于opencv已经更新到了4.10,本次配置目标库即为opencv 4.1.0及其拓展库contrib,利用cmake进行编译,直接开始:**1.下载opencv4.1.0+contribopenc...原创 2019-07-04 09:50:12 · 1210 阅读 · 0 评论