S2M2绘制正确的流形图：用于少量学习的流形混合
几种镜头分类算法：
我们的代码建立在“和的代码基础上
运行代码
下载数据集并创建base / val / novel拆分：
miniImageNet
将目录更改为filelists / miniImagenet /
运行'source ./download_miniImagenet.sh'
幼兽
将目录更改为文件列表/ CUB /
运行'source ./download_CUB.sh'
CIFAR文件系统
将目录更改为filelists / cifar /
运行'source ./download_cifar.sh'
训练
数据集名称：miniImagenet / cifar / CUB / tieredImagenet
方法名称：S2M2_R / rotation / manifold_mixup
对于CIFAR-1
2022-08-02 15:44:46
52KB
1
使用生成式对抗学习的3D医学图像分割很少
该存储库包含我们在同名论文中提出的模型的tensorflow和pytorch实现：
该代码在tensorflow和pytorch中都可用。 要运行该项目，请参考各个自述文件。
数据集
选择了数据集来证实我们提出的方法。 它包含10个标记的训练对象和13个未标记的测试对象的3D多模式脑MRI数据。 我们将这10个标记的训练数据分为两个模型的训练，验证和测试图像。（例如，2,1和7）13个未标记的测试图像中的其余部分仅用于训练基于GAN的模型。
数据集也用于测试我们提出的模型的鲁棒性。 它包含3种模式（T1加权，T1加权反转恢复和FLAIR）。 原始数据
2021-09-27 16:33:52
1.15MB
1