RegNet
介绍
在这项工作中，我们提出了一种通过学习方法来解决非刚性图像配准的方法，而不是通过对预定义的相异性度量进行迭代优化来解决。 我们设计了卷积神经网络（CNN）架构，与所有其他工作相反，该架构直接从一对输入图像中估计位移矢量场（DVF）。 提议的RegNet使用大量的人工生成的DVF进行了训练，没有明确定义相异性度量标准，并且以多种比例集成了图像内容，从而为网络配备了上下文信息。 在测试时，与当前的迭代方法相反，非刚性配准是一次完成的。
引文
[1] ， ， ， ， ， ， 和 ，2019年。。 arXiv预印本arXiv：1908.10235。
[2] ， ， ， ， IvanaIšgum和Marius Staring ，2017年9月。 使用多尺度3D卷积神经网络进行非刚性图像配准。 在医学图像计算和计算机辅助干预国际会议上（第232-239页）。 湛
2021-10-29 14:09:15
1.28MB
1
GB9239-88刚性转子平衡品质许用不平衡的确定pdf,GB9239-88刚性转子平衡品质许用不平衡的确定
2021-09-27 21:07:50
865KB
1
EDA技术-生产工艺-IPC-6012C-2010 中文版 刚性印制板的鉴定及性能规范
2021-09-22 08:57:57
1.73MB
1