- 博客(10)
- 收藏
- 关注
RSS订阅原创 图像分割7
AN IMAGE IS WORTH 16X16 WORDS: TRANSFORMERS FOR IMAGE RECOGNITION AT SCALE方法之前方法transformer特点Vit特点缺点优点流程方法之前方法将transformer与CNN融合transformer特点self-attention导致input变成n2n^2n2级别（this does not scale to realistic input sizes？我这里是否可以理解为，输入规模太大以致于现实无法训练）解决方
2022-05-26 19:47:31
274
原创 图像分割论文复现0
图像分割论文复现0 数据集数据特点\论文阅读地址数据集使用Paddle的常规赛：PALM眼底彩照中黄斑中央凹定位中的公开数据集数据特点\2124*2056像素该数据集合中视盘大部分在左边，但是有少部分的图片其视盘在中央，==考虑是否需要将视盘在中央的作为不太合规的数据清理出去。因为在中央的视盘，没有办法通过变换使得视盘在图片的左边，如果是视盘在图片的右边，我们就可以通过镜像使得图像归一化。==如果按照论文思路来，是不需要将数据归一化处理。该数据存在黑边，必须要避免黑边作为噪音的干扰。.
2022-05-25 15:43:24
439
1
原创 图像分割6
Multi-institutional Collaborations for Improving Deep Learning-based Magnetic Resonance Image Reconstruction Using Federated Learning摘要简介过去加速方法联邦学习参考研究数据特点训练步骤创新数据预处理图像重建Algorithm摘要欠采样（核磁共振图像里面样本分布本身存在不均匀的现象）考虑医院数据存在获取困难的情况，采用联邦学习（绕开数据不能离开本地的限制，通过网络传递参
2022-05-25 15:20:59
679
2
原创 图像分割4
Unsupervised Brain Anomaly Detection and Segmentation with Transformers方法方法unsupervised anomaly detection and segmentation using transformers使用transformer实现无监督的一场检测和分割使用向量量化变分自编码的紧潜在离散表示...
2022-05-19 19:25:53
328
原创 图像分割1
GroupViT: Semantic Segmentation Emerges from Text Supervision前置知识摘要简介语义分割通常使用全卷积神经网络实现GroupViT前置知识transformer这一篇本质上来说是迁移学习，后置阅读摘要end-to-end deep learning 端对端的训练将分组机制带回到深度学习网络（允许只有文本监督而无像素级标识）使用了Transformer模型zero-shot（零次训练迁移）本质上来说是迁移学习简介语义分割通常使用全卷
2022-05-17 17:11:11
515
原创 容器学习1
文章目录Docker学习1虚拟化平台虚拟化注册服务器与仓库Docker使用镜像镜像拉取我的使用MySQL的pullDocker学习1IBM DeveloperWorks网站关于容器技术的描述十分准确：“容器有效地将由单个操作系统管理的资源划分到孤立的组中，以更好地在孤立的组之间平衡有冲突的资源使用需求。与虚拟化相比，这样既不需要指令级模拟，也不需要即时编译。容器可以在核心CPU本地运行指令，而不需要任何专门的解释机制。此外，也避免了准虚拟化（paravirtualization）和系统调用替换中的复杂性
2021-04-06 15:03:19
87
原创 CloudSim4.0 Leaning (3)
文章目录*Example3**1 区别**2 对Clock()的解读**2.1 CloudSim类*Example3Example1是在1个host上面运行1个datacenter上面运行1个虚拟机执行了1组云任务Example2是在1个host上面运行1个datacenter上面运行2个虚拟机执行了2组云任务1 区别Example3和Example1、Example2的主要区别体现在createDatacenter方法中，因为Example3和前两者的主要差别就在于Host数量的不同，代码如下
2021-03-19 19:51:26
180
原创 CloudSim4.0 Learning (2)
文章目录*Example2**1 与Example1的不同之处**1.1 创建了两个虚拟机**1.2 问题查找与解决*Example21 与Example1的不同之处1.1 创建了两个虚拟机创建了两个虚拟机String vmm = "Xen";Vm vm1 = new Vm(vmid, brokerId, (double)mips, pesNumber, ram, bw, size, vmm, new CloudletSchedulerTimeShared());int vmid = vm
2021-03-18 22:49:31
225
原创 CloudSim4.0 Learning（1）
CloudSim4.0 Learning文章目录*CloudSim4.0 Learning*Example1*1 CloudSim初始化**1.1 CloudSim.init(num_user, calendar, trace_flag)**1.2 initCommonVariable(cal, traceFlag, numUser);**2 DataCenter初始化*3 DatacenterBroker声明Example11 CloudSim初始化int num_user = 1;Cale
2021-03-17 23:09:40
331
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人