VMWare 安装 macox 遇到的问题和解决办法
1、VMware无法启动，重新安装也没法打开。解决办法打开程序和功能，查看最新安装的更新，卸载掉最新的安装，重启后就能正常打开2、MAC ox 系统不断重启，提示因出现问题而无法启动解决办法查看新建虚拟机，无法找到 Apple Mac OS X(M)选项，需要重新unlock一下，下载相关文件，以管理员身份分别运行unlock.exe win-install.cmd即可。...
【半监督图像分割】2021-CPS CVPR
在这篇论文中，我们为半监督语义分割任务设计了一种非常简洁而又性能很好的算法：cross pseudo supervision (CPS)。训练时，我们使用两个相同结构、但是不同初始化的网络，添加约束使得两个网络对同一样本的输出是相似的。具体来说，当前网络产生的one-hot pseudo label，会作为另一路网络预测的目标，这个过程可以用cross entropy loss监督，就像传统的全监督语义分割任务的监督一样。
【半监督医学图像分割 ISBI】2022-ICT-MedSeg
像素级注释的缺乏是医学图像分割任务中普遍存在的问题。在本文中，我们介绍了一种新的基于插值混合的正则化策略，用于半监督医学图像分割。所提出的方法是一种新的一致性正则化策略，它鼓励两个未标记数据的插值分割与这些数据的分割映射的插值一致。该方法代表了一种特定类型的数据自适应正则化范式，有助于最大限度地减少在高置信度值下标记数据的过拟合。该方法不需要额外的计算量，优于对抗模型和生成模型。
【半监督医学图像分割 2022 CVPR】S4CVnet 论文翻译
由于医学影像界缺乏高质量标注，半监督学习方法在图像语义分割任务中受到高度重视。为了充分利用视觉转换器(ViT)和卷积神经网络(CNN)在半监督学习中的强大功能，本文提出了一种基于一致性感知伪标签的自集成方法。我们提出的框架包括一个由ViT和CNN相互增强的特征学习模块，以及一个用于一致性感知目的的健壮的指导模块。伪标签由特征学习模块中的CNN视图和ViT视图分别循环地推断和利用，以扩展数据集，彼此有益。同时，对特征学习模块设计了扰动方案，并利用平均网络权值设计了制导模块。
【半监督医学图像分割 2021 CVPR】CVRL 论文翻译
对比学习(CL)的目的是在医学图像分割的背景下，在不依赖专家注释的情况下学习有用的表示。现有的方法主要是通过简单地将所有输入特征映射到相同的常数向量中，将单个正向量（即同一图像的增强）与整个批处理剩余部分中的一组负向量进行对比。尽管这些方法取得了显著的经验效果，但仍存在以下不足：（1）防止问题崩溃为琐碎的解决方案仍然是一个艰巨的挑战；（2）由于同一图像中存在着不同的解剖结构，因此并不是同一图像中的所有体素都具有相同的正性。
【半监督医学图像分割 2021 TMI】SimCVD 论文翻译
医学图像分析中的自动分割是一项具有挑战性的任务，它需要大量的人工标记数据。然而，现有的基于学习的医学图像分割方法通常都存在着人工标注的医学数据有限的问题，这给精确和鲁棒的医学图像分割提出了一个重要的现实问题。另外，现有的半监督方法与监督方法相比，鲁棒性较差，且缺乏对几何结构和语义信息的显式建模，限制了分割的准确性。在这项工作中，我们提出了SIMCVD，一个简单的对比蒸馏框架，显着地推进了最先进的体素表示学习。我们首先描述了一种无监督训练策略，它采用输入体积的两个视图，在。
【半监督医学图像分割 2022 MICCAI】SCS 论文翻译
摘要深度学习方法在医学图像分割任务中的成功与否，很大程度上依赖于大量标注数据的监督训练。另一方面，生物医学图像的注释需要领域知识，可能是费力的。近年来，对比学习在学习图像的潜在表征方面表现出了巨大的潜力。现有的工作已经探索了它在生物医学图像分割中的应用，其中只有一小部分数据被标记，通过基于自我监督对比学习的训练前阶段，不使用任何标签，然后只对标记的部分数据进行监督微调阶段。在本文中，我们建立了通过在训练前阶段包含有限的标签信息，可以提高对比学习的性能。我们提出了一种有监督的局部对比损失。
【半监督医学图像分割 2023 CVPR】RCPS
摘要医学图像分割方法通常被设计为全监督的，以保证模型的性能，这需要大量的专家注释样本，成本高，费力。半监督图像分割可以利用大量未标记图像和有限的标记图像来缓解这一问题。然而，由于伪标签中潜在的噪声和特征空间中的类可分性不足，从大量未标记图像中学习鲁棒的表示仍然是一个挑战，这削弱了现有半监督分割方法的性能。针对上述问题，我们提出了一种新的半监督分割方法–校正对比伪监督(RCPS)，该方法将校正伪监督和体素级对比学习相结合，以提高半监督分割的有效性。特别地，我们设计了一种新的基于不确定度估计和。
解决FTP上传图片文件，只上传文件名，大小为0的问题
用的是以下依赖包 implementation 'commons-net:commons-net:3.5'每次上传都是0B，问题出现在没有调用FTPClient.enterLocalPassiveMode();这个方法的意思就是每次数据连接之前，ftp client告诉ftp server开通一个端口来传输数据。为什么要这样做呢，因为ftp server可能每次开启不同的端口来传输数据，但是在linux上，由于安全限制，可能某些端口没有开启，所以就出现阻塞。借鉴于这位老哥杨航JAVA所以
python 发送邮件报错UnicodeDecodeError: ‘utf-8‘ codec can‘t decode byte 0xc4 in position 0
百度无果，用梯子上网一下子找到了解决办法。1.直接将电脑名称由中文名改成英文字母2.讲socke.py文件中箭头指向的那行后面加上.encode(‘ascii’,‘ignore’)即可完美解决
线性调频信号(LFM)的形式及幅度谱、相位谱特性
线性调频信号在SAR系统中非常重要，其瞬时频率是时间的线性函数。该信号常用于信号的发射，以获得均匀的信号带宽，在接收信号中则来自传感器运动。本篇博客主要讨论线性调频信号的形式，及在matlab仿真中的幅频特性和相频特性。一、线性调频信号的形式在时域中，一个理想的线性调频信号或脉冲持续时间为T秒，振幅为常量，中心频率Hz，相位随时间按一定规律变化。由于频率的线性调制，相位为时间的二次函数，当中心频率为0时，信号的复数形式： ...
星载低波段极化SAR电离层法拉第旋转效应(FR)及校正国内外研究现状-学习笔记
相较于常规星载SAR，星载低波段极化SAR一方面具有较强穿透能力，能够探测植被和千层地表下的隐藏目标，另一方面，该系统对生物量更为敏感，能够观测森林资源的消长，对研究全球碳循环与气候变化的相互作用具有重要意义。文章目录一、研究背景及意义二、星载低波段极化SAR系统发展概述三、FR效应影响研究现状四、FR效应校正方法研究现状一、研究背景及意义合成孔径雷达(Synthesis Aperture Radar,SAR)是一种主动式相干成像系统，利用雷达与观测目标之间的相对运动并通过数字信号处理方将小尺寸.
合成孔径雷达成像算法与实现(信号处理基础知识点)
最近由于学业上需要，重新学习了《合成孔径雷达成像算法与实现》一书，其中第二章是信号处理基础，在此记录下学习过程。一、信号处理基本概念1.卷积与相关卷积：相关: 卷积从几何解释：(1).生成h(u)的时间对称图像h(-u),其中u为虚时间。 (2).将h(-u)以一定的时间位移t滑过信号。 (3).在每一位移点，对h(t -u)和信号s(u)的重叠卷积进...
实数序列频谱的共轭对称性(DFT与IDFT仿真实现)
一、基础知识1、傅里叶变换：通俗来讲，是以时间为自变量的信号与以频率为自变量的“频谱函数”之间的某种转换关系。DFT：即离散傅里叶变换，对离散序列进行傅里叶变换。设x(n)为长度为M的有限长序列，其N点DFT定义(公式)：其中 N 是DFT变换区间长度，其中X(0)和X(N/2)应为实数。说明：1.两个定义式均出现两个变量k,n。n为变量时，对所有的n加权求和得到一个X(k),共N个；k为变量时，对所有的k加权求和得到一个x(n),共N个；2.D...
电离层色散效应误差补偿——基于最大对比度自聚焦算法（总结）
电离层色散效应严重影响星载SAR成像质量，为提升P波段星载SAR图像质量，必须研究相应的补偿技术，从而使得其更好的应用在军事和民用上。目录一、引言二、最大对比度自聚焦算法原理三、最大对比度自聚焦算法流程图四、补偿方法性能分析一、引言针对电离层色散效应引入二次相位误差导致距离向信号散焦问题，本文研究基于最大对比度自聚焦（Contrast Optimization Autofocus, COA）算法的色散效应误差补偿。SAR图像可以看作是目标散射系数与点扩展函数的乘积。点扩展函数是一个sinc函数.
[MATLAB]中meshgrid函数的用法与实践（学习笔记）
今天在看点目标成像仿真程序的时候，看到了meshgrid函数，看了matlab的帮助文档后理解了一点，特此记录学习过程。目录一、meshgrid函数二、举例验证三、创建二维网格绘制曲面图四、总结五、meshgrid函数源代码（仅供参考）：一、meshgrid函数meshgrid函数是MATLAB中用于生成网格采样点数的函数，通常进行2D、3D图形的绘制。1、【X,Y】 = meshgrid(x,y) :基于向量x和y中包含的坐标返回二维网格坐标。X是一个矩阵，每一行是x的一个副本，Y也是一个矩.
Android导出文件到Excel的路径问题
1. String filePath = Environment.getExternalStorageDirectory() + "/DeviceMsg"; 2. String filePath = getFilesDir().getAbsolutePath() + "/DeviceMsg";使用第一个方法时小米手机可以导出，华为手机不能导出。第二个方法都可以导出奇怪的是二者都没有外置存储，但是小米可以导出获取内部存储方法1、Environment.getDataDirectory(...
局域网内配置可访问mysql数据库
需要在局域网内访问别人的mysql数据库，首先需要正确安装mysql数据库，然后需要配置以下2点1.把root可访问设置为%如图：2.安装mysql的主机需要设置防火墙，端口号3306设置为可访问如图：保存即可,在局域网内其他主机按IP地址连接...
今日推荐
周排行