没有合适的资源?快使用搜索试试~ 我知道了~
C2L_MICCAI2020
共45个文件
py:30个
pyc:12个
md:1个
需积分: 50 1 下载量 19 浏览量
2021-03-19
22:37:31
上传
评论
收藏 13.7MB ZIP 举报
温馨提示
C2L_MICCAI2020 这是MICCAI 2020早期接受的论文“比较学习:通过比较图像表示在射线照片上超越ImageNet预训练”的存储库 介绍 C2L的目标是仅通过使用2D射线照片提供一种有效的预训练方法。它旨在灵活支持快速实施。具体来说,您可以通过简单地配置数据集路径来运行这些实验。 引文 @inproceedings{zhou2020C2L, title={Comparing to Learn: Surpassing ImageNet Pretraining on Radiographs By Comparing Image Representations}, author={Zhou, Hong-Yu and Yu, Shuang and Bian, Cheng and Hu, Yifan and Ma, Kai and Zheng, Yefeng}, book
资源推荐
资源详情
资源评论
收起资源包目录
C2L_MICCAI2020-master.zip (45个子文件)
C2L_MICCAI2020-master
DatasetGenerator.py 2KB
lsoftmax.py 3KB
read_data.py 1KB
util.py 1KB
spawn.py 6KB
.DS_Store 6KB
utils
cutout.py 1KB
__pycache__
cutout.cpython-36.pyc 1KB
models
resnet_lsoftmax.py 11KB
DensenetModels.py 4KB
resnet_jigsaw.py 11KB
resnet_ms.py 11KB
LinearModel.py 3KB
resnet_mixup.py 11KB
resnet_spp.py 12KB
__pycache__
resnet_dropblock.cpython-36.pyc 11KB
resnet_ms.cpython-36.pyc 11KB
resnet.cpython-36.pyc 11KB
resnet_spp.cpython-36.pyc 11KB
resnet_mixup.cpython-36.pyc 11KB
DensenetModels.cpython-36.pyc 4KB
resnet.py 11KB
alexnet.py 4KB
resnet_dropblock.py 12KB
train_C2L_dense121.py 19KB
LinearProbing.py 16KB
eval_moco_ins.py 18KB
pretrained_datasets
file_names.txt 74.94MB
__init__.py 0B
README.md 2KB
autoaugment.py 11KB
dataset_pretrained.py 3KB
train_C2L_res18.py 19KB
NCE
NCEAverage_CKA.py 9KB
NCEAverage.py 8KB
__init__.py 0B
__pycache__
NCEAverage.cpython-36.pyc 6KB
NCEAverage_CKA.cpython-36.pyc 7KB
alias_multinomial.cpython-36.pyc 2KB
NCECriterion.cpython-36.pyc 4KB
__init__.cpython-36.pyc 131B
NCECriterion.py 3KB
focalloss.py 1KB
alias_multinomial.py 2KB
focalloss.py 1KB
共 45 条
- 1
资源评论
司幽幽
- 粉丝: 34
- 资源: 4547
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功