最近，处理长序列任务的Mamba模型较为火爆。U-Mamba的作者设计了一个混合的CNN-SSM（卷积神经网络-状态空间序列模型）块，它结合了CNN的局部特征提取能力以及SSM捕捉长距离依赖的...
在不断发展的AI世界中，有一件事是我们可以确定的：模型会变得越来越好、越来越快、越来越智能。就在你认为YOLO系列已经达到顶峰时，Ultralytics发布了最新升级版—YOLO11。没错，不是YO...
在数据处理中通过加权求和的方式捕捉局部模式或特征。卷积用于提取图像的局部特征，如边缘、角点、纹理等。通过卷积核（过滤器）扫描图像，可以检测到不同的特征，并逐层提炼更高层次的特征。激活函数是神经网络中的关键组件，其作用是对每一层的输出（或...
下采样可以增加对输入图像的一些小扰动的鲁棒性，比如图像平移，旋转等，减少过拟合的风险，降低运算量，增加感受野的大小。根据预测结果可以分析得到：在训练迭代次数较高的情况下，模型能够完全完成对眼球图像进行分割，所有眼...
TransUnet是一种用于医学图像分割的深度学习模型。它是基于Transformer模型的图像分割方法，由AI研究公司HuggingFace在2021年提出。医学图像分割是一项重要的任务，旨在将医学图像中的不...
![[医疗 AI ] 3D TransUNet：通过 Vision Transformer 推进医学图像分割](/uploads/2024/09/17/1726549266226012434.webp)
医学图像分割在推进医疗保健系统的疾病诊断和治疗计划中起着至关重要的作用。U形架构，俗称U-Net，已被证明在各种医学图像分割任务中非常成功。然而，U-Net基于卷积的操作本身限制了其有效建模远程依赖关系的能力。...
在此框架内，CrossTransformer模块采用可扩展采样来计算两种模态之间的结构关系，从而重塑一种模态的结构信息，以与SwinTransformer同一局部窗口内两种模态的相应结构保持一致。在编码器...
在医学图像分割领域，传统的U-Net模型已经取得了显著成果。然而，随着Transformer在计算机视觉领域的崛起，将其与U-Net结合的TransUNet模型成为了新的热门。TransUNet是一种融合了Tra...
用思维导图的方式对Rolling-UNet的解读，更快，更容易上手...
本文对transformers之pipeline的图像分割（image-segmentation）从概述、技术原理、pipeline参数、pipeline实战、模型排名等方面进行介绍，读者可以基于pipelin...