- 博客(54)
- 收藏
- 关注
RSS订阅原创 Semi-supervised Semantic Segmentation with Error Localization Network(基于误差定位网络的半监督语义分割 )
Semi-supervised Semantic Segmentation with Error Localization Network(基于误差定位网络的半监督语义分割 )Abstract本文研究了语义分割的半监督学习，该学习假设只有一小部分训练图像被标记，而其他图像保持未标记。未标记的图像通常被分配用于训练的伪标签，但由于对伪标签错误的确认偏差，这通常会导致性能下降的风险。 我们提出了一种新的方法来解决这个长期存在的伪标记问题。我们方法的核心是误差定位网络（ELN），它是一个辅助模块，将图像及其分
2022-04-19 15:03:42
3342
原创 本周的总结
Pytorch Sampler（采样器）回顾需要知道的是所有的采样器都继承自Sampler这个类，如下：可以看到主要有三种方法：分别是：__init__: 这个很好理解，就是初始化 __iter__: 这个是用来产生迭代索引值的，也就是指定每个step需要读取哪些数据 __len__: 这个是用来返回每次迭代器的长度class Sampler(object): r"""Base class for all Samplers. Eve...
2022-04-11 00:09:47
3975
原创 本周的总结
Multi-Layer Pseudo-Supervision for Histopathology Tissue Semantic Segmentation using Patch-level Classification Labels(利用Patch级分类标签进行组织病理学组织语义分割的多层伪监督法)Abstract(摘要)在千兆像素的整张WSI图像上绘制这种标签是非常昂贵和耗时的。在本文中，我们只使用patch级的分类标签来实现组织病理学图像上的组织语义分割，最终减少了注释的工作量。我们提出
2022-04-04 11:48:22
762
原创 本周的总结
本周完成的计划Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision(带有交叉伪监督的半监督式语义分割法) 使用Unet模型，分割老师的病理组织分割数据集。Semi-Supervised Semantic Segmentation with Cross Pseudo Supervision(带有交叉伪监督的半监督式语义分割法)Abstract(摘要)在本文中，我们通过探索标记数据和额外的无标记数据来研究半监督
2022-03-27 21:46:16
4222
1
原创 本周的总结
本周完成的计划论文阅读Transformation-consistent Self-ensembling Model for Semi-supervised Medical Image Segmentation（半监督医学图像分割的变换一致性自集成模型）ABSTRACT（摘要）
2022-03-20 21:52:54
1734
原创 本周的总结
本周完成的计划读病理组织分割论文《Fully Convolutional Multi-Class Multiple Instance Learning》 学习了将大的病理图像和对应标注切patch的操作 学习了DeepLabv3+模型目录本周完成的计划论文阅读ABSTRACT（摘要）1 INTRODUCTION（介绍）2 FULLY CONVOLUTIONAL MIL（全卷积的MIL）3 MULTI-CLASS MIL LOSS（多个类别多示例损失）4 EXPERIM.
2022-01-09 15:54:37
2015
原创 本周的总结
目录本周完成的计划论文阅读ABSTRACT（摘要）1 INTRODUCTION（介绍）2 BACKGROUND（背景）2.1 MIXMATCH3 REMIXMATCH3.1 DISTRIBUTION ALIGNMENT（分布对齐）3.2 IMPROVED CONSISTENCY REGULARIZATION（改进的一致性正则化）3.3 PUTTING IT ALL TOGETHER（综合考虑）4 EXPERIMENTS（实验）5 CONCLUSION（结论）
2021-12-12 21:59:45
1550
原创 本周的总结
本周完成的计划读论文《MixMatch: A Holistic Approach to Semi-Supervised Learning》 在cifar10数据集上使用250个label，复现MixMatch代码，查看效果 复习大数据，参加考试论文阅读MixMatch: A Holistic Approach to Semi-Supervised Learning（MixMatch：一种半监督学习的整体方法）Abstract（摘要）半监督学习已被证明是一种利用未标记数据来减轻对大型标.
2021-12-05 21:28:50
2225
原创 本周的总结
目录本周完成的计划论文阅读1Abstract（摘要）1. Introduction（介绍）2. Pseudo-Label Method for Deep Neural Networks（深度神经网络的伪标记法）2.1. Deep Neural Networks（深度神经网络）2.2. Denoising Auto-Encoder（去噪自编码器）2.3. Dropout2.4. Pseudo-Label（伪标签）3. Why could Pseudo-Label ...
2021-11-28 14:22:36
2972
原创 本周的总结
论文阅读1FlexMatch: Boosting Semi-Supervised Learning with Curriculum Pseudo Labeling（FlexMatch：用课程伪标签促进半监督学习）Abstract（摘要）最近提出的FixMatch在大多数半监督学习(SSL)基准上获得了最先进的结果。然而，与其他现代SSL算法一样，FixMatch算法对所有类使用预定义的恒定阈值来选择对训练有贡献的未标记数据，从而没有考虑不同类的不同学习状态和学习难度。为了解决这个问题，我们提出.
2021-11-14 20:30:16
1461
原创 本周的总结
论文阅读UNet++: A Nested U-Net Architecture for Medical Image Segmentation （一种用于医学图像分割的嵌套式的U-Net结构）Abstract（摘要）在本文中，我们提出了一种新的、功能更强大的医学图像分割体系结构UNet++。我们的体系结构本质上是一个深度监督（Deep Supervision）的编解码器网络，其中编码器和解码子网络通过一系列嵌套的、密集的跳跃路径连接在一起。实验结果表明，采用深度监督（Deep Supervisio
2021-11-08 10:53:08
566
原创 本周的总结
论文阅读U-Net: Convolutional Networks for Biomedical Image Segmentation （U-Net：用于生物医学图像分割的卷积网络）Abstract（摘要）因为深度网络的成功训练需要数千个带注释的训练样本，在本文中，我们提出了一种网络和训练策略，该策略依赖于大量使用数据增强来更有效地利用现在已有的可用的标注样本，该体系结构由捕获上下文的收缩路径（a contracting path to capture context）和支持精确本地化的对称扩.
2021-10-24 13:28:40
258
原创 本周的总结
目录读论文Abstract（摘要）Introduction（介绍）Materialsand methods（材料和方法）The DASGAN networkDeep survival learningDiscussion（讨论）读CycleGAN论文并跑了一个的模型特点（创新点）实现代码实现效果读论文Domain adaptation-based deep learning for automated T umor Cell (TC) scoring ..
2021-10-17 11:54:39
670
原创 2021-9-30 学习笔记
轻松学OpenCV1. 图像变换1. 图像放大、缩小；2. 图像平移；3. 图像旋转；4. 图像仿射变换；5. 图像裁剪；6. 图像的位运算（AND, OR, XOR）；7. 图像的分离和融合；8. 图像的颜色空间；1.1图像放大、缩小import cv2import argparseimport matplotlib.pyplot as plt# 1.图像放大，缩小img = cv2.imread(filename="./OpenCV.png").
2021-10-01 15:16:12
93
原创 2021-9-29 学习笔记
OpenCV 4.0 — 入门1. 图像基础1. 1基本概念（1）像素：计算机屏幕上所能显示的最小单位。用来表示图像的单位。（2）RGB，R : Red，G : Green，B : Blue，范围0~255。1.2坐标系这个logo像素是：18 X 20 = 360 pixels坐标系的原点(0,0)在左上角，每一个点的坐标是:(height, width, channel)。往右边是x轴正方向，下边是y轴正方向1.3基本操作（彩色图片）（1）读取图片...
2021-09-30 09:02:36
261
原创 2020李宏毅机器学习笔记- Life Long Learning
摘要终身学习技术，让一个模型学习多个任务。要做到 Life Long Learning ，要解决三个问题：Knowledge Retention (but NOT Intransigence)、 Knowledge Transfer 以及 Model Expansion (but Parameter Efficiency) 。我们发现机器存在 Catastrophic forgetting ，在实际情况中，假设我们有 1000 个任务，我们很难把前 999 个任务的数据都保留，每次都同时在 1000 个
2021-09-05 09:03:46
533
原创 2020李宏毅机器学习笔记- Meta Learning
摘要元学习就是 Learn to learn ，让机器变成 a better learner 。Meta 讲的是：How to learn a new model 。传统的机器学习训练模型 f ，而元学习有让机器根据数据找一个能找 f 的函数 F 的能力。元学习第一步：Define a set of learning algorithm 。元学习第一步：Define a set of learning algorithm 。接着以 Omniglot 为例讲了 Few-shot Classificatio
2021-08-29 10:26:10
659
原创 2020李宏毅机器学习笔记-Transfer Learning
目录摘要IntroduceWhy Need ？Target Data labelled & Source Data labelledModel Fine-tuningConservative TrainingLayer TransferMultitask LearningProgressive Neural NetworksTarget Data unlabelled & Source Data labelledDomain-advers...
2021-08-22 14:23:44
403
原创 2020李宏毅机器学习笔记-Generative Adversarial Network - Tips for Improving GAN
目录摘要1. JS divergence is not suitable2. Least Square GAN (LSGAN)3. Wasserstein GAN (WGAN)4. Why Earth Mover’s Distance?5. GAN to WGAN6. Energy-based GAN (EBGAN)结论与展望摘要最原始的 GAN 使用的是 JS Divergence 测量生成数据分布与原始数据分布的距离，但是这面临一个数据维度的问题。因此，考虑把 s
2021-08-15 10:17:09
217
原创 2020李宏毅机器学习笔记-Generative Adversarial Network - Theory behind GAN
目录摘要1. Theory behind GAN2. Maximum Likelihood Estimation3.MLE=Minimize KL Divergence4. Generator5. Discriminator6. GD Algorithm for GAN7. Algorithm for GAN（Review）结论与展望摘要从某种意义上来讲, GAN 图片生成任务就是生成概率分布。因此, 我们有必要结合概率分布来理解 GAN 生成对抗网络的原理。在.
2021-08-07 22:38:31
580
原创 2020李宏毅机器学习笔记-Generative Adversarial Network - Unsupervised Conditional Generation
摘要本节课程讲的是cGan中的无监督学习部分，可以理解为一种“风格迁移”的技术。但是我们收集不到不同风格间有 link 的数据。对于 Unsupervised Conditional Generation ，李老师将其分为两类：Direct Transformation 与 Projection to Common Space，首先来讨论第一个类别 Direct Transformation 。提到了 Cycle GAN ，还由此提及了 StarGAN 。接下来讨论第二个类别 Projection to
2021-07-31 17:24:15
529
原创 2020李宏毅机器学习笔记-Generative Adversarial Network - Conditional GAN
目录摘要1. Text-to-Image1.1Traditional supervised approach1.2Conditional GAN1.3Conditional GAN - Discriminator1.4Stack GAN2.Image-to-image2.1application2.2Traditional supervised approach2.3Conditional GAN3.Speech Enhancemen...
2021-07-25 10:14:30
365
原创 2020李宏毅机器学习笔记-Generative Adversarial Network - Basic Idea(1_10)
目录摘要1. Basic Idea of GAN1.1Generation1.2Generator1.3Discriminator1.4Generator and Discriminator(两者的关系)1.5Algorithm2.GAN as structured learning2.1structured learning and application2.2Structured LearningChallenging2.3St...
2021-07-18 20:57:26
409
原创 2020李宏毅机器学习笔记-Anomaly Detection
目录摘要1. Problem Formulation2. What is Anomaly?3. Applications4. 如何做Anomaly Detection4.1 Binary Classification?4.2Categories5. with label5.1 Example Application5.2How to use the Classifier5.3How to estimate Confidence？5.4 Example ...
2021-07-17 21:28:20
392
原创 2020李宏毅机器学习笔记-ELMO, BERT, GPT
摘要1. Background机器是如何理解我们的文字的呢？最早的技术是1-of-N encoding，把每一个词汇表示成一个向量，每一个向量都只有一个地方为1，其他地方为0。但是这么做词汇之间的关联没有考虑，因为不同词之间的距离都是一样的。所以，接下来有了word class的概念，举例说dog、cat和bird都是动物，它们应该是同类。但是动物之间也是有区别的，如dog和cat是哺乳类动物，和鸟类还是有些区别的。后来有了更进阶的想法，称作word embedding，我们用一个向量来
2021-07-11 11:46:56
566
1
原创 2020李宏毅机器学习笔记-More about Auto-encoder
目录摘要1. More about Auto-Encoder1.1 What is good embedding1.2Beyond Reconstruction：Discriminator2. Sequential Data2.1Skip thought2.2 Quick thought2.3Contrastive Predictive Coding(CPC)3. Feature Disentangle(特征解耦)3.1Feature Disentangle...
2021-07-04 10:11:38
267
原创 2020李宏毅机器学习笔记-Unsupervised Learning: Deep Auto-encoder
目录摘要1. Introduction2. Compare with PCA3. Deep Auto-encoder3.1 Multi Layer3.2 Visualize4. Text Retrieval4.1 Bag-of-word4.2Auto-encoder5. Similar Image Search6. CNN as Encoder6.1Unpooling6.2Deconvolution总结和展望摘要文节主要介绍了自编码器...
2021-06-27 20:57:02
299
原创 Tensorboard可视化-CNN手写数字识别的动态效果分类
这两天跟着深度学习框架Tensorflow学习与应用视频，学习了TensorFlow框架和Tensorboard可视化工具，跑了一个手写数字识别的动态效果分类案例。
2021-06-20 20:48:50
936
原创 2020李宏毅机器学习笔记-Transformer
概述本节学习的是Transformer，Transformer实际上就是一个带有“self-attention”的sequence-to-sequence模型。因为RNN常被用于输出是一个序列的情况，但是有一个问题——不容易被平行化（并行）。于是有人提出用CNN取代RNN，可以做到和RNN类似的效果，输入一个sequence，输出一个sequence。表面上CNN和RNN都可以有同样的输入输出。但是每个CNN只能考虑很有限的内容（三个vector），而RNN是考虑了整个句子再决定输出。CNN也可以考
2021-06-20 09:25:28
386
原创 2020李宏毅机器学习笔记-Recursive Network
目录概述Recursive NetworkApplication: Sentiment Analysis(应用：情感分析)Recursive NetworkRecursive NeuralTensor NetworkMatrix-Vector Recursive NetworkTree LSTMMore Application总结和展望概述这节主要是讲RNN的变体: Recursive Network（递归神经网络）。首先通过情感分析任务为例来说明递归神经网络（.
2021-06-13 21:37:39
194
原创 2020李宏毅机器学习笔记-Pointer Network
目录概述1. Introduce2. Pointer Network3. Applications3.1Summarization3.2Machine Translation3.3Chat-bot总结和展望概述本节主要讲的是Pointer Network，即指针网络。因为传统的seq2seq模型是无法解决输出序列的词汇表会随着输入序列长度的改变而改变的问题的，而提出Pointer Network，它预测的时候每一步都找当前输入序列中权重最大的那个元素，而由于输出...
2021-06-13 09:54:34
307
原创 2020李宏毅机器学习笔记-Condition Generation by RNN&Attention
目录概述1. Generation1.1 Conditional Generation2.Attention2.1Dynamic Conditional Generation2.2Machine Translation2.3 Image Caption Generation2.4 Memory Network3.Tips for Generation3.1 Attention的正则化3.2 Mismatch between Train and Test3...
2021-06-06 09:37:30
479
原创 2020李宏毅机器学习笔记-Network Compression
目录概述1.Network Pruning1.1 重要性判断1.2 为什么要Pruning1.3 实际的操作1.3.1 weight pruning1.3.2 neuron pruning2. Knowledge Distillation3. Parameter Quantization3.1 less bits3.2 weight clustering3.3 huffman encding3.4. binary weights4. Architect
2021-05-30 19:47:31
372
原创 2020李宏毅机器学习笔记-Attack ML Models
概述本节课将讲Attack与Defense，其中攻击占了大部分，最后是有关防御Defense的部分。可分为被动防御Passive defense与主动防御Proactive defense。
2021-05-30 09:30:03
562
原创 2020李宏毅机器学习笔记-Explainable ML
目录概述IntroductionWhy we need Explainable ML?Lee’s Point of ViewInterpretable v.s. PowerfulLocal ExplanationBasic IdeaLimitation of Gradient based ApproachesAttack InterpretationGlobal ExplanationActivation Minimization (review)Constr
2021-05-22 23:26:26
446
原创 2020李宏毅机器学习笔记-Unsupervised Learning - Word Embedding
目录概述IntroductionWord EmbeddingCount basedPrediction basedhow to do preditionWhy prediction worksSharing ParametersFormulationIn PracticeVarious ArchitecturesApplication机器问答机器翻译总结和展望概述本节首先提出一个问题如何用vector来表示一个word呢？给了两种方法1-o
2021-05-16 17:18:05
382
原创 2020李宏毅机器学习笔记-Unsupervised Learning: Introduction
目录摘要Introduction（介绍）ClusteringK-meansHACDimension ReductionPCAPCA for 1-DPCA for n-DReconstruction ComponentWeakness of PCAPCA for PokemonPCA for MNIST总结和展望摘要本节首先介绍了什么是无监督学习及无监督学习的类别，主要分类两种，一种是化繁为简型，如聚类复杂的input输入，简单的output输出
2021-05-16 14:57:32
444
原创 2020李宏毅机器学习笔记-Semi-supervised Learning
目录摘要IntroductionSemi-supervised Learning for Generative ModelSupervised Generative ModelSemi-supervised Generative ModelLow-density Separation AssumptionSelf TrainingEntropy-based RegularizationSmoothness Assumptioncluster and then labe
2021-05-09 17:11:00
1567
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