文森特的博客

ResNext:paper:https://arxiv.org/abs/1611.05431code:https://github.com/facebookresearch/ResNeXtRes2Net:paper: https://arxiv.org/pdf/1904.01169.pdfcode: https://mmcheng.net/res2net/这次和大家分享两篇ResNet改进系列的文章，一篇是2017年发表在CVPR上面的ResNext，其采用“split-transform-me

原文链接：https://arxiv.org/abs/1811.01328代码链接：https://github.com/RanSuLab/RAUNet-tumor-segmentation摘要：由于肝脏和肿瘤的分布不均匀和形态各异，因此从CT图像中分割出肝脏和肿瘤是一个非常困难的任务。现在，2D和3D的卷积神经网络在医生图像分割任务中变得很流行，但是3D的卷积神经网络计算成本太高。因此...

Neural Codes for Image Retrieval(基于神经网络的图像检索)论文原文：http://arxiv.org/abs/1404.1777github源码链接：https://github.com/UCAS-Vincent/Spoc摘要： 已经表明，在大型卷积神经...

原文：https://arxiv.org/abs/1409.1556摘要： 本文研究了在大规模图片识别中，卷积神经网络的深度对准确率的影响。论文的主要贡献是使用3×3卷积的神经网络架构全面评估增加深度对网络的影响，结果表明通过将深度推至16-19层可以使网络性能得到显着提高。作者还表明此模型可以泛化到其他数据集上，在其他数据集上可以获得很好的结果。作者公开了两个性能最佳的VGG模型，...

                                                                      Going deeper with convolutions(GoogleNet学习笔记)原文：https://www.cs.unc.edu/~wliu/papers/GoogLeNet.pdf摘要：    GoogleNet在ILSVRC 2014...

原文：https://arxiv.org/abs/1903.02740代码：https://github.com/Guzaiwang/CE-Net摘要：基于U-Net的方法不断被提出，但是，连续的池化和卷积导致部分空间信息的丢失。本文提出一种上下文编码网络(称为CE-Net)来捕获更多高级信息并保留空间信息用于2D医学图像分割。CE-Net主要包含三个模块：特征编码模块，上下文提取模块和特征...