CA-Net：用于可解释医学图像分割的综合注意力卷积神经网络
该存储库提供“ CA-Net：可解释医学图像分割的综合注意力卷积神经网络”的代码。 现在可以在上我们的工作。 接受了我们的工作。
图1. CA-Net的结构。
图2.皮肤病变分割。
图3.胎盘和胎脑分割。
要求条件
一些重要的必需软件包包括：
版本> = 0.4.1。
智慧
Python == 3.7
一些基本的python软件包，例如Numpy。
按照官方的指导安装 。
用法
用于皮肤病变分割
首先，您可以在下载数据集。 我们仅使用了ISIC 2018 task1训练数据集，要对数据集进行预处理并另存为“ .npy”，请运行：
python isic_preprocess.py
为了进行5倍交叉验证，请将预处理数据分成5倍并保存其文件名。 跑步：
python create_folder.py
要在ISI
2023-02-22 20:42:26
36.8MB
1
TimeSformer-Pytorch
实现，是一种基于关注点的纯净，简单的解决方案，可以在视频分类上达到SOTA。 该存储库将仅存储性能最佳的变体“时空分散注意力”，无非就是沿空间之前的时间轴的注意力。
安装
$ pip install timesformer-pytorch
用法
import torch
from timesformer_pytorch import TimeSformer
model = TimeSformer (
dim = 512 ,
image_size = 224 ,
patch_size = 16 ,
num_frames = 8 ,
num_classes = 10 ,
depth = 12 ,
heads = 8 ,
dim_head = 64 ,
attn_dropout =
2023-02-19 14:24:00
152KB
1
本系列以通俗的方式讲解注意力机制Attention的整体知识，让i你爱上Attention的神奇应用。
资料：
2023-02-16 21:16:38
12.73MB
1
Dmf_AttnDMF
深度矩阵分解模型 与 带注意力的深度矩阵分解模型
2023-01-05 16:49:03
326KB
1
Swin-Transformer-main（截止到2022年12月23日）.zip
2022-12-25 15:27:16
1012KB
1
线课堂学生注意力识别数据集，主要检测对象为：长时间闭眼、打哈欠、凝视远方，一共19000多张线上课堂图片
线课堂学生注意力识别数据集，主要检测对象为：长时间闭眼、打哈欠、凝视远方，一共19000多张线上课堂图片
线课堂学生注意力识别数据集，主要检测对象为：长时间闭眼、打哈欠、凝视远方，一共19000多张线上课堂图片
2022-12-22 18:30:56
417.08MB
自然场景下的文本检测任务是图像处理领域中的难点之一. EAST (Efficient and Accurate Scene Text detector)算法是近年来比较出色的文本检测算法, 但是增加后置处理之后的AdvancedEAST算法仍存在由于激活像素的头尾边界丢失导致的漏检情况, 对密集文本的检测效果也不是很理想. 因此提出了Dilated-Corner Attention EAST (DCA_EAST)改进算法, 对网络结构加入空洞卷积模块以及角点注意力模块, 改善了漏检情况. 针对损失函数, 加入类别权重因子和样本难度权重因子, 有效提升了密集文本的检测效果. 实验结果表明, 该算法在ICDAR2019的ReCTS数据集上准确率为93.02%, 召回率为76.69%, F-measured值为84.07%, 优于AdvancedEAST算法.
2022-12-13 21:49:26
1.17MB
1
基于改进SSD算法(SE+特征融合)的苹果叶病虫害识别系统源码(pytorch框架)+改进前源码+病害数据集+项目说明.zip
主要改进点如下：
1、替换backbone为Resnet/MobileNet
2、添加一种更加轻量高效的特征融合方式 feature fusion module
3、添加注意力机制 (Squeeze-and-Excitation Module 和 Convolutional Block Attention Module)
4、添加一种解决正负样本不平衡的损失函数Focal Loss
附有苹果叶病害数据集，可训练模型
2022-12-07 12:27:48
90.31MB