原创 BatchNorm 在 U-Net 中的實戰作用 —— 踩過的坑

BatchNorm 在 U-Net 中的實戰作用 —— 踩過的坑BatchNorm 簡介BatchNorm 代碼實現 (pytorch)實際在 U-Net 中有無 BatchNorm 的影響 BatchNorm 簡介 BatchN

原创 淺析 Semi-Supervised Learning 中的 consistency 問題

淺析 Semi-Supervised Learning 中的 Consistency 問題傳統半監督學習簡述:現有半監督學習的問題 —— Individual Consistency實現方法總結 傳統半監督學習簡述: 區別於全監督

原创 MICCAI2019論文分享 PART①

剛剛結束的 MICCAI2019 會議的論文集分爲6個部分,這段時間刷了一遍 Part I,在這兒和大家做一個簡單的分享交流 由於本人主要專注於分割領域和半監督弱監督等學習策略,下面給出的綜述可能多涉及該方向。 選出的文章主要突

原创 one-shot 語義分割算法

文章出處 Shaban, Amirreza, et al. “One-shot learning for semantic segmentation.” arXiv preprint arXiv:1709.03410 (2017)

原创 形狀一致的生成對抗網絡 SC-GAN —— 無監督域適應

形狀一致的生成對抗網絡 SC-GAN —— 無監督域適應 文章原文:Yu, Fei, et al. “Annotation-Free Cardiac Vessel Segmentation via Knowledge Transf

原创 Python小Tips (三):items()的妙用

問題描述 顯示字典中所有鍵對的值,並將其一行一行的打印出來。 顯示類中所有屬性的值,並將其一行一行的打印出來。 這個兩個問題有助於 debug 的時候清晰的顯示封裝變量中的屬性,提高代碼的糾錯和可讀性。 -----------

原创 Tensorflow.slim 庫中 batch_normalization 的問題及其替代方法

Batch Normalization 的公式 y=γx−μσ+ϵ+βy = \gamma \frac{x-\mu}{\sigma + \epsilon}+\betay=γσ+ϵx−μ​+β 參數:xxx 是輸入數據,yyy

原创 從 Metric Learning 看 Few-Shot Semantic Segmentation

Few-Shot Segmentation 問題定義 假設模型在 CtrainC_{train}Ctrain​ 類上訓練,我們的目標是 在測試時,給定一些新類 CtestC_{test}Ctest​ 的有標籤的圖像,用這個 訓練

原创 基於稀疏表示的分類方法 Sparse Representation based Classification Method

文章來源 Jia K, Chan T H, Ma Y. Robust and practical face recognition via structured sparsity[J]. Computer Vision–ECCV

原创 用於醫學圖像分割的數據增強方法 —— 標準 imgaug 庫的使用方法

用於醫學圖像分割的數據增強方法 —— 標準 imgaug 庫的使用方法 前言 —— imgaug 庫簡介 在機器學習算法尤其是 deep learning 盛行的如今,數據增強是實現深度學習不可避免的一個重要環節。相比於 tens

原创 Matching-based Video Object Segmentation 典型算法總結 —— JYZhang_CVML

最近稍微看了一些關於 semi-supervised video object segmentation (VOS) 的工作,其中注意到有幾個算法具有明顯的共同點——個人將其歸結爲 Matching-based Methods。這

原创 論文解讀:Video Object Segmentation with Joint Re-identification and Attention-Aware Mask Propagation

Motivation Template Matching-based Methods (e.g. One-shot learning for video object segmentation 沒有使用時序信息):考慮模板,比

原创 半監督交互式視頻物體分割 Fast User-Guided Video Object Segmentation by Interaction-and-propagation Networks

Aim 實現一種視頻分割的工作流:在視頻的任意一幀上進行交互得到當前幀的修正結果,並傳播到剩餘幀。 Contribution 兩個模塊:Interaction Network 和 Propagation Network。 –

原创 Backpropagating Refinement Scheme for Interactive Segmentation 反向傳播修正機制 (CVPR2019)

Motivation 傳統的基於深度學習的交互式分割框架利用前向傳播得到的結果,還是存在一定的偏差(比如交互部位在最後的分割結果中依然會被分割錯)。因此提出 backpropagating refinement scheme

原创 Interactive Full Image Segmentation (CVPR2019)

Full Image Segmentation 問題定義 全圖分割的目標是把一張圖中所有的物體 (all objects) 和背景 (stuff regions) 分割出來。 Workflow 首先用基於極端點的分割得到初