文件名称：C2L_MICCAI2020
文件大小：13.7MB
文件格式：ZIP
更新时间：2024-04-08 16:24:11
Python
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
【文件预览】：
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__()
----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.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__()
--------NCECriterion.py(3KB)
--------focalloss.py(1KB)
--------alias_multinomial.py(2KB)
----focalloss.py(1KB)