RookieFCB的专栏

胶囊网络数据集Fashion-MNIST数据集由70000张28∗2828*2828∗28大小的灰度图像组成，共有10个类别，每一类别各有7000张图像。数据集划分为两部分，即训练集和测试集。其中，训练集共有60000张图像，每个类别各有6000张；测试集共有10000张图像，每一类别各有1000张。胶囊网络结构网络模型采用CapsNet网络模型，该网络由两部分组成：编码器和解码器。前...

Faster R-CNN 论文阅读原文：Ren S, He K, Girshick R, et al. Faster R-CNN: towards real-time object detection with region proposal networks[C]// International Conference on Neural Information Processing Syst...

基于空洞全卷积网络的病理性肺组织的语义分割原文：Anthimopoulos M, Christodoulidis S, Ebner L, et al. Semantic Segmentation of Pathological Lung Tissue with Dilated Fully Convolutional Networks[J]. 2018.学习类别：半监督简介针...

ResNet网络原文：Deep Residual Learning for Image Recognition 博文参考：[译] Deep Residual Learning for Image Recognition (ResNet)Deep Residual Learning for Image Recognition（译）Resnet理解残差网络ResNet笔记...

‘grt123’团队的解决方案——NDSB 2017竞赛原文：Solution of the ‘grt123’ team注：本文为The Data Science Bowl (DSB) 2017竞赛的第一名获奖团队‘grt123’的解决方案，如需查看代码可访问Github。 引言所使用的模型为基于三维卷积神经网络的结节检测和癌症分类的统一框架，以经过预处理后的3D肺部CT...

Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 论文阅读原文：Evaluate the Malignancy of Pulmonary Nodules Using the 3D Deep Leaky Noisy-or Network 博文参考：Doublle T...

用CNN识别CT图像检测肺癌原文：2nd place solution for the 2017 national datascience bowl 翻译参考：知乎用户王小新 Kaggle百万美元大赛优胜者：用CNN识别CT图像检测肺癌概要本文为2017年由Kaggle举办的数据科学竞赛的第二名获奖者Julian de Wit的部分解决方案。Julian de Wit和Daniel Hammack

运用深度学习预测肺癌诊断原文：Forecasting Lung Cancer Diagnoses with Deep Learning 注：本文为The Data Science Bowl (DSB) 2017竞赛的第二名获奖团队中Daniel Hammack的解决方案，其另一成员Julian de Wit的解决方案，可查看用CNN识别CT图像检测肺癌一文。摘要在2017年由Kaggle举办的数据

Cross-Modal Alignment 论文阅读原文：Zhu Y , Xu Y , Ni B , et al. Enhancing pulmonary nodule detection via cross-modal alignment[C]// Visual Communications & Image Processing. IEEE, 2018.简介问题在肺结节检测...