深度学习 - 随笔分类 - 一点飞鸿

计算机视觉知识梳理-指标计算（混淆矩阵、TP、FP、TN、FN、ACC、Recall、Precision、Sensitivity、Specify、PPV、NPV、TPR、FPR、FNR、ROC、AUC、F1-score、PR、IOU、AP、mAP、DICE）

摘要：混淆矩阵、TP、FP、TN、FN、ACC、Recall、Precision、Sensitivity、Specify、PPV、NPV、TPR、FPR、FNR、ROC、AUC、F1-score、PR、IOU、AP、mAP、DICE 阅读全文

posted @ 2024-04-25 09:15 一点飞鸿阅读(3801) 评论(0) 推荐(0) 编辑

KeyError: 'Cache only has 0 layers, attempted to access layer with index 0'

摘要：Traceback (most recent call last): File "/disk2/xiaoming/Github/ChatHxk/chinese_alpaca_2_7b_16k_hf/hxk_demo.py", line 345, in gentask ret = self.mfunc 阅读全文

posted @ 2024-03-13 10:17 一点飞鸿阅读(581) 评论(0) 推荐(0) 编辑

SENetV2: 用于通道和全局表示的聚合稠密层

摘要：SENetV2: Aggregated dense layer for channelwise and global representations 官方代码是用tf.keras实现（论文中没有标注）：https://github.com/mahendran-narayanan/SENetV2-Ag 阅读全文

posted @ 2023-12-06 18:36 一点飞鸿阅读(523) 评论(0) 推荐(0) 编辑

logits 与 pre-logits

摘要：logits 与 pre-logits 阅读全文

posted @ 2023-07-19 15:47 一点飞鸿阅读(187) 评论(0) 推荐(0) 编辑

OSFormer: One-Stage Camouflaged Instance Segmentation with Transformers

摘要：

伪装实例目标检测阅读全文

posted @ 2023-07-04 19:13 一点飞鸿阅读(147) 评论(0) 推荐(0) 编辑

cv2 用jpg格式存储ndarray时，像素值发生变化

摘要：1. cv2将ndarray存储为图片时，像素值都会变成整数，如果ndarray存在小数，则需要用np.save存成npy格式 2. cv2存储为jpg时，为有损压缩，保存下来的整数也和之前不同，在保存为png或者bmp时，只是根据四舍五入去掉小数，如下图：阅读全文

posted @ 2023-05-25 17:30 一点飞鸿阅读(112) 评论(0) 推荐(0) 编辑

simCLR_A simple framework for contrastive learning of visual representations.

摘要：M3AE: Multimodal Representation Learning for Brain Tumor Segmentation with Missing Modalities 阅读全文

posted @ 2023-04-20 19:04 一点飞鸿阅读(216) 评论(0) 推荐(0) 编辑

AttributeError: module 'torch._six' has no attribute 'PY3'

摘要：修改：进到torch._six源码，看看里面是PY的哪个对象，修改成这对象名试试 _six.py 即将PY3修改为PY37 阅读全文

posted @ 2021-12-08 19:13 一点飞鸿阅读(4595) 评论(1) 推荐(1) 编辑

AttributeError: module 'torchvision' has no attribute 'transforms'

摘要：代码：maskrcnn-benchmark Python 3.6.13 |Anaconda, Inc Traceback (most recent call last): File "tools/train_net.py", line 18, in <module> from maskrcnn_be 阅读全文

posted @ 2021-12-08 19:03 一点飞鸿阅读(4383) 评论(0) 推荐(1) 编辑

医学图像分割论文：Swin-Unet—Unet-like Pure Transformer for Medical Image Segmentation_202105.05537

摘要：CNN由于卷积操作的局部性，难以学习全局和长范围的语义信息。交互。提出swin-unet，是一个像Unet的纯transformer，用于医学图像分割。采用层级的带移动窗口的swin transformer作为编码器，提取上下文特征。一个对称的、带有patch展开层的、基于swin-transformer的解码器用于上采样操作，恢复特征图的空间分辨率。在直接下采样输入和上采样输出4倍时，在多器官和心脏分割任务上证明，提出的网络超过了全卷积或卷积和transformer的结合方法。模型和代码将公开在：https://github.com/HuCaoFighting/Swin-Unet 阅读全文

posted @ 2021-05-21 15:23 一点飞鸿阅读(2335) 评论(0) 推荐(0) 编辑

可作为CV backbone的Transformer：Swin Transformer_Hierarchical Vision Transformer using Shifted Windows

摘要：Swin Transformer能够兼容广泛的视觉任务，包括图像分类(在ImageNet-1K的最高准确率86.4)和高密度预测任务，如目标检测(在COCO test-dev数据上58.7 box AP和51.1 mask AP)和语义分割(在ADE20K val上53.5 mIoU)。它在coco数据上，比之前的sota模型多2.7个box ap,2.6个mask ap，在ADE20K上，比之前sota多3.2个mIoU。代码：https://github.com/microsoft/Swin-Transformer 阅读全文

posted @ 2021-05-21 14:55 一点飞鸿阅读(1455) 评论(0) 推荐(0) 编辑

医学图像分割论文(cvpr2021): TransUNet

摘要：本文提出TransUNet，比transformer和Unet都要好，可作为医学图像分割的替代方案。transformer从cnn的特征图编码图像块，作为输入序列，用于提取全局特征。解码器上采样编码特征，与高分辨率CNN特征结合，进行精确定位。代码已开源：https://github.com/Beckschen/TransUNet 阅读全文

posted @ 2021-05-10 13:19 一点飞鸿阅读(10496) 评论(0) 推荐(0) 编辑

随笔分类 - 深度学习