- 博客(194)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 生成专题4 | StyleGAN2的其他改进
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617学习论文：Analyzing and Improving the Image Quality of StyleGAN文章目录4.1 Path length regularization4.2 代码实现PLloss4.3 No Progressive growth4.1 Path length regularization在生产人脸的同时，我们希望可以控制人脸的属性，不同的latent c.
2022-04-07 17:39:00
385
原创 生成专题4 | StyleGAN2的其他改进
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617学习论文：Analyzing and Improving the Image Quality of StyleGAN文章目录4.1 Path length regularization4.2 代码实现PLloss4.3 No Progressive growth4.1 Path length regularization在生产人脸的同时，我们希望可以控制人脸的属性，不同的latent c.
2022-03-30 15:45:04
4680
原创 生成专题3 | StyleGAN2对AdaIN的修正
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617学习论文：Analyzing and Improving the Image Quality of StyleGAN文章目录3.1 AdaIN3.2 AdaIN的问题3.3 weight demodulation3.4 代码学习3.1 AdaINStyleGAN第一个版本提出了通过AdaIN模块来实现生成，这个模块非常好也非常妙。图片中的latent Code W是一个一维向量。然后.
2022-03-04 18:07:11
3710
原创 生成专题2 | 图像生成评价指标FID
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617文章目录2.1 感性理解2.2 代码实现2.1 感性理解FID是Fréchet Inception Distance。FID依然是表示生成图像的多样性和质量，为什么FID越小，则图像多样性越好，质量越好。FID的计算器中，我们也是用了inception network网络。inception netowrk其实就是特征提取的网络，最后一层输出图像的类别。不过我们会去除最后的全连接或者池化.
2022-03-02 17:56:17
5528
原创 生成专题1 | 图像生成评价指标 Inception Score （IS）
文章转自微信公众号：机器学习炼丹术作者：陈亦新（欢迎交流共同进步）联系方式：微信cyx645016617文章目录1.1 感性理解1.2 数学推导1.3 KL散度的物理意义1.1 感性理解IS是Inception Score。熵entropy可以被用来描述随机性：如果一个随机变量是高度可预测的，那么它就有较低的熵；相反，如果它是乱序随机的，那么它就是有较高的熵。这和训练分类网络所用的交叉熵是同一个道理。如下图，我们有两个概率：高斯分布和均匀分布。可以推断出，高斯分布的entropy小于均匀分.
2022-03-02 14:16:21
4485
原创 DTI特征工程 | iDTI-ESBoost | 2017 | REP
文章转自微信公众号：机器学习炼丹术论文名称：iDTI-ESBoost: Identifcation of Drug Target Interaction Using Evolutionary and Structural Features with Boosting作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx645016617论文链接：https://github.com/farshidrayhanuiu/FRnet-DTI/【前言】：我百度了一下，sci reports是四大水.
2022-02-07 14:32:44
1212
原创 self-training | MICCAI2021 | BN层的source free的迁移
文章转自微信公众号：机器学习炼丹术论文名称：Adapting Off-the-Shelf Source Segmenter for Target Medical Image Segmentation作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx645016617论文链接：https://arxiv.org/abs/2109.09735【前言】：Source-free的论文被拒之后，reviewer给出了很好的意见，并且给出了一些相关的论文。之前的文献整理阶段没有做完善，对比试验比较少，.
2022-01-28 16:55:18
3980
原创 NLP | 简单学习一下NLP中的transformer的pytorch代码
经典transformer的学习文章转自微信公众号【机器学习炼丹术】作者：陈亦新（已授权）联系方式: 微信cyx645016617欢迎交流，共同进步文章目录代码细讲transformerEmbeddingEncoder_MultipleLayersEncoder完整代码代码细讲transformerclass transformer(nn.Sequential): def __init__(self, encoding, **config): super(tra.
2022-01-18 11:32:00
420
原创 DTI | Drug-target interaction | 基础知识
Drug Targets Interactions （DTI）基础概念文章转自微信公众号【机器学习炼丹术】作者：陈亦新（已授权）联系方式: 微信cyx645016617欢迎交流，共同进步第一次接触蛋白质结构预测，记录一下笔记。1 基础概念学习好的学习视频推荐：https://www.youtube.com/watch?v=u49k72rUdyc1.1 Drug Targets药物靶点Drug targets是蛋白质蛋白质是大型生物分子，由很多的氨基酸amino acid.
2022-01-15 13:43:10
1143
原创 preprint版本 | 何凯明新作MAE | CVPR2022bestpaper候选
文章转自：微信公众号【机器学习炼丹术】笔记作者：炼丹兄（已授权转载）联系方式：微信cyx645016617论文题目：“Masked Autoencoders Are Scalable Vision Learners”0摘要本文证明了蒙面自动编码器（MAE）是一种可扩展的计算机视觉自监督学习器。我们的MAE方法很简单：我们屏蔽输入图像的随机补丁并重建丢失的像素。这样的设计基于两个core：我们开发了一种非对称编码器-解码器体系结构，其中的编码器仅在可见的补丁子集上运行（不带掩码），以及一.
2021-12-01 10:56:33
4376
原创 self-training | 域迁移 | source-free（三）
文章转自微信公众号：机器学习炼丹术论文名称：Domain Adaptive Semantic Segmentation without Source Data会议名称：ACM MM作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx6450166170 综述上图展示了source-free domain adaptation和一般的DA的区别。在之前的两篇source-free的论文中已经反复讲解，不再赘述。1 方法这文章也是使用Positive learning和Negative .
2021-11-11 16:28:31
1818
原创 self-training | 域迁移 | source-free（二）
文章转自微信公众号：机器学习炼丹术论文名称：Model Adaptation: Historical Contrastive Learning for Unsupervised Domain Adaptation without Source Data作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx6450166170 摘要无监督域适配旨在对齐标记的源域和未标记的目标域，但它需要访问经常引发关注数据隐私、数据便携性和数据传输效率。我们研究的无监督模型自适应（unsupervised mo.
2021-11-01 15:16:54
957
原创 self-training | 域迁移 | source-free的域迁移一
文章转自微信公众号：机器学习炼丹术论文名称：Give Me Your Trained Model: Domain Adaptive Semantic Segmentation without Source Data作者：炼丹兄（欢迎交流共同进步）联系方式：微信cyx6450166170 什么是source-free问题训练得益于大量的数据，A数据集有标注，B数据集无标注。如何利用A数据集在B数据集上取得效果，这是经典的Domain adaptation问题。然而最近隐私越来越关注，在真实场景.
2021-10-28 17:09:55
2220
原创 图网络 | Graph Attention Networks | ICLR 2018 | 代码讲解
【前言】：之前断断续续看了很多图网络、图卷积网络的讲解和视频。现在对于图网络的理解已经不能单从文字信息中加深了，所以我们要来看代码部分。现在开始看第一篇图网络的论文和代码，来正式进入图网络的科研领域。论文名称：‘GRAPH ATTENTION NETWORKS’文章转自：微信公众号“机器学习炼丹术”笔记作者：炼丹兄联系方式：微信cyx645016617（欢迎交流，共同进步）论文传送门：https://arxiv.org/pdf/1710.10903.pdf01 代码实现代码github
2021-09-09 16:07:42
560
原创 小样本分割 | FSS1000 | CVPR2020
论文名称：“FSS-1000: A 1000-Class Dataset for Few-Shot Segmentation”笔记作者：炼丹兄（已授权）联系方式：微信cyx645016617（欢迎交流，共同进步）【预告】：近期会更新5篇CVPR2020到2021的小样本分割的文章心得综述文章贡献主要是两个：提出了FSS-1000的小样本分割数据集；并且用一个不是很创新的小样本框架来证明，在这个数据集上预训练的模型其实在各种小样本分割任务中都有不错的提升。这里关于小样本任务的定义就.
2021-08-25 10:42:13
1002
原创 5分钟就能学会的简单结构 | MLP-Mixer: An all-MLP Architecture for Vision | CVPR2021
文章转自：微信公众号「机器学习炼丹术」作者：炼丹兄（欢迎交流，共同进步）联系方式：微信cyx645016617论文名称：「MLP-Mixer: An all-MLP Architecture for Vision」论文链接：https://arxiv.org/pdf/2105.01601v1.pdf「前沿」：最近忙各种各样的事情，更新慢了。抽空写一点。这一篇内容很简单，只需要5min就可以学完。正文开始我们提供了MLP-Mixer架构，之后简称Mixer。这是一个有竞争力，但是概念和技术都.
2021-06-07 16:01:57
478
1
原创 域迁移DA | Learning From Synthetic Data: Addressing Domain Shift for Se | CVPR2018
文章转自：微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）联系方式：微信cyx645016617论文名称：“Learning From Synthetic Data: Addressing Domain Shift for Segmentation”「前言」：最近好久没更新公众号了，我一不小心陷入了一个误区：我以为自己看的文章足够多了，用之前的风格迁移和GAN的知识来解决一个domain adaptive的问题，一顿乱拳并没有打死老师傅，反而自己累个够呛。然后找到这样一篇不错的DA frame.
2021-05-02 17:05:40
331
2
原创 光流 | flownet | CVPR2015 | 论文+pytorch代码
文章转自微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）作者联系方式：微信cyx645016617（欢迎交流 共同进步）论文名称：“FlowNet: Learning Optical Flow with Convolutional Networks”论文链接：http://xxx.itp.ac.cn/abs/1504.068520 综述论文的主要贡献在我看来有两个：提出了flownet结构，也就是flownet-v1（现在已经更新到flownet-v2版本），flownet-v1中包.
2021-04-15 17:07:04
1797
3
原创 医学图像配准 | SYMnet 对称微分同胚配准CNN（SOTA） | CVPR2020
文章转自：微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）作者联系方式：微信cyx645016617论文名称：‘Fast Symmetric Diffeomorphic Image Registration with Convolutional Neural Networks’论文链接：https://arxiv.org/abs/2003.09514v30 综述1 微分同胚回顾ϕ(1)\phi^{(1)}ϕ(1)是表示时间间隔为1的形变场，上图中的x表示形变场，然后形变场加上形变场的速.
2021-03-23 16:43:40
1000
原创 图像匹配 | NCC 归一化互相关损失 | 代码 + 讲解
文章转载自：微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）作者联系方式：微信cyx645016617（欢迎交流共同进步）本次的内容主要讲解NCCNormalized cross-correlation 归一化互相关。两张图片是否是同一个内容，现在深度学习的方案自然是用神经网络，比方说：孪生网络的架构做人面识别等等；在传统的非参数方法中，常见的也有相关系数等。我在上一片文章voxelmorph的模型的学习中发现，在医学图像配准任务（不限于医学），衡量两个图片相似的度量有一种叫做NCC的而这.
2021-03-16 09:35:23
3744
13
原创 医学图像配准 | Voxelmorph 微分同胚 | MICCAI2019
文章转载：微信公众号「机器学习炼丹术」作者：炼丹兄（已授权）联系方式：微信cyx645016617（欢迎交流）论文题目：‘Unsupervised Learning for Fast Probabilistic Diffeomorphic Registration’0 综述本文提出了一个概率生成模型，并给出了一种基于无监督学习的推理算法卷积神经网络；论文中对一个三维脑配准任务进行了验证，并提供了一个实验结果；论文的方法在提供微分同胚的同时，且具有最先进的精度和非常快的运行速度。1 .
2021-03-11 15:54:27
3402
原创 医学图像 | DualGAN与儿科超声心动图分割 | MICCAI
作者：炼丹兄（已授权）联系方式：微信cyx645016617（欢迎交流共同进步）论文名称：“Dual Network Generative Adversarial Networks for Pediatric Echocardiography Segmentation”0 准备工作0.1 生词Pediatric 儿童的Pediatric echocardiography 小儿超声心动图CHD ： congenital heart disease 先天心脏病0.21 综述..
2021-03-03 14:16:10
1107
1
原创 熟悉超声心动图对心脏功能的评估及超声心动图的正常值
创作者：炼丹兄（已授权）联系方式：cyx645016617学习教材：《轻松掌握超声心动图》1 左心室整体收缩功能评价1.1 M型超声心动图测定D为左心室短轴内径，假设左心室为立方体，左心室短轴为圆形，左心室长径为短径的2倍；要求切面必须垂直心室长轴，对于心脏明显增大或室壁运动异常的人，要用二维或者多普勒的方法左心室容积：V=13πD3V=\frac{1}{3}\pi D^3V=31πD3上面公式有高估容积的问题，因此目前常用Teichholz矫正公式：V=7∗D32.4+DV=\fra.
2021-03-02 14:54:12
7258
1
原创 超声心动图评价左室舒张功能的建议：来自美国超声心动图学会和欧洲心血管成像协会的更新
笔记整理人：炼丹兄（已授权）联系方式：微信cyx645016617（欢迎交流互相学习）论文名称：“Recommendations for the Evaluation of Left Ventricular Diastolic Function by Echocardiography: An Update from the American Society of Echocardiography and the European Association of Cardiovascular I..
2021-03-02 14:03:48
822
原创 图像分割 | Context Prior CPNet | CVPR2020
文章转自微信公众号：「机器学习炼丹术」文章作者：炼丹兄（已授权）作者联系方式：cyx645016617论文名称：“Context Prior for Scene Segmentation”0 综述先上效果图，CPNet似乎对一些难样本有着更好的效果：文中提到了下面关键字：构建了corresponding prior map（CPmap），然后通过Context Prior Layer（CPLayer）来把这个CPmap融合到网络中，与此同时，使用Affinity Loss来对应这个CPL.
2021-02-26 17:42:22
463
1
原创 VIT Vision Transformer | 先从PyTorch代码了解
文章原创自：微信公众号「机器学习炼丹术」作者：炼丹兄联系方式：微信cyx645016617代码来自github【前言】：看代码的时候，也许会不理解VIT中各种组件的含义，但是这个文章的目的是了解其实现。在之后看论文的时候，可以做到心中有数，而不是一片茫然。VIT类初始化和之前的学习一样，从大模型类开始看起，然后一点一点看小模型类：class ViT(nn.Module): def __init__(self, *, image_size, patch_size, num_..
2021-02-03 14:51:20
10515
21
原创 自监督图像论文复现 | BYOL（pytorch）| 2020
文章原创自微信公众号「机器学习炼丹术」作者：炼丹兄联系方式：微信cyx645016617继续上一篇的内容,上一篇讲解了Bootstrap Your Onw Latent自监督模型的论文和结构：https://juejin.cn/post/6922347006144970760现在我们看看如何用pytorch来实现这个结构，并且在学习的过程中加深对论文的理解。github：https://github.com/lucidrains/byol-pytorch【前沿】：这个代码我没有实际跑过..
2021-01-30 18:33:01
1681
1
原创 自监督SOTA框架 | BYOL(优雅而简洁) | 2020
文章原创自微信公众号「机器学习炼丹术」作者：炼丹兄联系方式：微信cyx645016617本篇文章主要讲解两个无监督2020年比较新比较火的论文：论文名称：“Bootstrap Your Own Latent: A New Approach to Self-Supervised Learning”论文链接：https://arxiv.org/pdf/2006.07733.pdf0 综述BYOL是Boostrap Your Own Latent，这个无监督框架非常的优雅和简单，而且wo..
2021-01-29 17:48:14
1105
原创 笔记 | 吴恩达新书《Machine Learning Yearning》
这本书共112页，内容不多，偏向于工程向，有很多不错的细节，在此记录一下。0 书籍获取关注微信公众号“机器学习炼丹术”，回复【MLY】获取pdf1 测试集与训练集的比例2 误差分析误差分析我感觉是一个成熟的AIer必备的能力。俗话说数据决定准确率的上线，模型只是在逼近这个值。模型效果的提升首先是需要去看数据样本的，把分类错误的样本一个一个看一看，然后心中自己会给出判断：是否有可能减少这种分类错误的样本？如何减少？【也许心中没有这样的判断，但是看一看错误的样本是很重要的。一般看100例分
2021-01-27 23:01:10
227
原创 图像分割论文 | DRN膨胀残差网络 | CVPR2017
文章转自：同作者个人微信公众号【机器学习炼丹术】。欢迎交流沟通，共同进步，作者微信：cyx645016617论文名称：‘Dilated Residual Networks’论文链接：https://arxiv.org/pdf/1705.09914.pdf0 综述这篇文章的最大特色自然是提出了DRN，Dilated Residual Networks，在残差网络的基础上加入了膨胀卷积。膨胀卷积，又叫做空洞卷积，是在卷积核参数不变的基础上，增加视野域的一种手段。通过使用膨胀卷积，可以放大最深层特
2021-01-21 15:12:35
882
原创 图片质量评估论文 | 无监督SER-FIQ | CVPR2020
文章转自：同作者微信公主号【机器学习炼丹术】。欢迎交流，共同进步，微信号cyx645016617论文名称：SER-FIQ: Unsupervised Estimation of Face Image Quality Based on Stochastic Embedding Robustness论文链接：https://arxiv.org/abs/2003.093730 综述这可能是我看CVPR论文中，唯一一个5分钟就看完原理的论文了，简单有趣。这一篇文章是CVPR2020的与图像质量评估相关
2021-01-14 23:11:37
451
2
原创 图像质量评估论文 | Deep-IQA | IEEETIP2018
主题列表：juejin, github, smartblue, cyanosis, channing-cyan, fancy, hydrogen, condensed-night-purple, greenwillow, v-green, vue-pro, healer-readable, mk-cute, jzman, geek-black, awesome-green, qklhk-chocolate贡献主题：https://github.com/xitu/juejin-markdown-theme.
2021-01-13 22:18:19
434
1
原创 注意力论文解读(1) | Non-local Neural Network | CVPR2018 | 已复现
文章转自微信公众号：【机器学习炼丹术】参考目录：文章目录0 概述1 主要内容1.1 Non local的优势1.2 pytorch复现1.3 代码解读1.4 论文解读2 总结论文名称：“Non-local Neural Networks”论文地址：https://arxiv.org/abs/1711.079710 概述首先，这个论文中的模块，叫做non-local block，然后这个思想是基于NLP中的self-attention自注意力机制的。所以在提到CV中的self-attentio
2021-01-07 17:52:03
775
原创 卷积网络可解释性复现 | Grad-CAM | ICCV | 2017
觉得本文不错的可以点个赞。有问题联系作者微信cyx645016617，之后主要转战公众号，不在博客园和CSDN更新。论文名称：“Grad-CAM:Visual Explanations from Deep Networks via Gradient-based Localization”论文地址：https://openaccess.thecvf.com/content_ICCV_2017/papers/Selvaraju_Grad-CAM_Visual_Explanations_ICCV_2017
2020-12-29 15:37:08
1622
1
原创 卷积涨点论文 | Asymmetric Conv ACNet | ICCV | 2019
文章原创来自作者的微信公众号：【机器学习炼丹术】。交流群氛围超好，我希望可以建议一个：当一个人遇到问题的时候，有这样一个平台可以快速讨论并解答，目前已经1群已经满员啦，2群欢迎你的到来哦。加入群唯一的要求就是，你对AI有兴趣。加我的微信我邀请进群cyx645016617。论文名称：“ACNet: Strengthening the Kernel Skeletons for Powerful CNN via Asymmetric Convolution Blocks”论文链接：https://arxiv
2020-12-22 18:56:37
921
2
原创 pytorch实现 | Deformable Convolutional Networks | CVPR | 2017
文章转载自微信公众号：【机器学习炼丹术】，请支持原创。这一篇文章，来讲解一下可变卷积的代码实现逻辑和可视化效果。全部基于python，没有C++。大部分代码来自：https://github.com/oeway/pytorch-deform-conv 但是我研究了挺久的，发现这个人的代码中存在一些问题，导致可变卷积并没有实现。之所以发现这个问题是在我可视化可变卷积的检测点的时候，发现一些端倪，然后经过修改之后，可以正常可视化，并且精度有所提升。1 代码逻辑# 为了可视化class ConvOffse
2020-12-20 11:55:13
2324
6
原创 图像处理论文详解 | Deformable Convolutional Networks | CVPR | 2017
文章转自同一作者的微信公众号：【机器学习炼丹术】论文名称：“Deformable Convolutional Networks”论文链接：https://arxiv.org/abs/1703.062110 前言首先理解：deformable Convolution可变卷积针对的对象是卷积本身，因此膨胀卷积，3D卷积都可以用可变卷积的形式本篇文章讲解理论和论文，我还没有用上这个可变卷积测试效果，因为PyTorch好像还没有封装这个卷积方式，有点麻烦。所以我计划下一篇文章结合github上已经
2020-12-19 00:30:49
694
2
原创 学习笔记2.1
Step1:库函数导入## 基础函数库import numpy as np ## 导入画图库import matplotlib.pyplot as pltimport seaborn as sns## 导入逻辑回归模型函数from sklearn.linear_model import LogisticRegressionStep2:模型训练##Demo演示LogisticRegression分类## 构造数据集x_fearures = np.array([[-1, -2],
2020-12-16 22:55:11
114
原创 轮廓检测论文解读 | Richer Convolutional Features for Edge Detection | CVPR | 2017
有什么问题可以加作者微信讨论，cyx645016617 上千人的粉丝群已经成立，氛围超好。为大家提供一个遇到问题有可能得到答案的平台。0 概述论文名称：“Richer Convolutional Features for Edge Detection”论文链接：https://openaccess.thecvf.com/content_cvpr_2017/papers/Liu_Richer_Convolutional_Features_CVPR_2017_paper.pdf缩写：RCF这一篇文
2020-12-15 22:34:09
582
原创 轮廓检测论文解读 | 整体嵌套边缘检测HED | CVPR | 2015
主题列表：juejin, github, smartblue, cyanosis, channing-cyan, fancy, hydrogen, condensed-night-purple, greenwillow, v-green, vue-pro, healer-readable贡献主题：https://github.com/xitu/juejin-markdown-themestheme: juejinhighlight:0 轮廓检测轮廓检测，对我这样的初学者而言，与语义分割类似。分割.
2020-12-08 18:03:31
1730
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人