qq_40690815的博客

【R2UNet】提出了recurrent UNet 和 recurrent residual UNet，把UNet的部分卷积模块换成了recurrent / residual conv Layer（卷积Xt与Xt-1、多层串联卷积输出与初始输入合并），并在视网膜血管、皮肤、肺分割数据集上较之普通UNet取得了提高。

【BCRNN】基于超声波图像的前列腺分割，由于超声波图像不易处理，作者提出Boundary Completion RNN，将笛卡尔坐标转化为极坐标，使用双向LSTM学习，前后向h合并，预测出的结果与原图结合再进行一轮，共三轮。由于序列化的截取可能导致的问题又采用了多视角策略（进行多个角度截取）。

主动脉医学序列图像分割，解决稀疏标注训练问题。使用了UNet和C-LSTM训练并应用了双向LSTM，将前后向的h串联进行卷积。由于注释数据不足使用了标签传播(label propgarion)，然后为解决传播中的误差累积使用了指数加权损失函数。

Learning Deconvolution Network for Semantic Segmentation1. Introduction2. Related Work3. System Architecture3.1 Architecture3.2 Deconvolution Network for Segmentation3.2.3 Analysis of Deconvolution Network4. Training4.1 Batch Normalization4.2 Two-stage Tra

Retinal blood vessel segmentation using fully convolutional network with transfer learning摘要介绍数据集和相关工作2.1 视网膜血管数据库2.2 相关工作2.2.1 Supervised method2.2.2 无监督方法本文仅仅为个人快速阅读记录，部分内容借助于有道翻译。介绍另一个博主的博客???? ????...

U-Net: Convolutional Networks for Biomedical Image SegmentationIntroductionNetwork ArchitectureTrainingData AugmentationExperimentsConclusion论文链接：https://arxiv.org/pdf/1505.04597.pdf???? ???? ???? ???? ???? ???? ???? ...

Completely Automated CNN Architecture Design Based on Blocks 论文研读I. INTRODUCTIONthe paper dist: https://ieeexplore.ieee.org/document/8742788/I. INTRODUCTION

Surrogate-Assisted Evolutionary Deep Learning Using an End-to-End Random Forest-based Performance PredictorINTRODUCTIONLITERATURE REVIEWBackgroundEDLAE-CNNRelated Work（FBO 和 Peephole的优缺点）PROPOSED ALGO...

Large-Scale Evolution of Image ClassifiersIntroductionRelatedWorkMethodsEvolutionaryAlgorithmEncoding and MutationsInitial ConditionsTrainingandValidationComputationcostWeight InheritanceExperiments an...