机器学习炼丹术

最近忙各种各样的事情，更新慢了。抽空写一点。这一篇内容很简单，只需要5min就可以学完。 我们提供了MLP-Mixer架构，之后简称Mixer。这是一个有竞争力，但是概念和技术都很简单的结构，**并且

最近好久没更新公众号了，我一不小心陷入了一个误区：我以为自己看的文章足够多了，用之前的风格迁移和GAN的知识来解决一个domain adaptive的问题，一顿乱拳并没有打死老师傅，反而自己累个够呛。

「前言」：本文结合官方提供的代码，对模型结构做一个解说。 SepConvGRU: 这个有意思，是卷积中的GRU结构。 然后根据update的权重来更新hidden层。 卷积的GRU结构我学到了。我觉得这个GRU结构可以和很多的地方做结合。

提出了flownet结构，也就是flownet-v1（现在已经更新到flownet-v2版本），flownet-v1中包含两个版本，一个是flownet-v1S（simple），另一个是flownet-v1C（correlation）。 提出了著名的Flying chairs数…

「前言」：在某些情况下，使用深度学习的voxelmorph或者SYMnet等配准网络并不能取得比传统方法更好的效果，所以在这里想学一下比较好的RLOF（Rubost Local Optical Flow）鲁棒局部光流。这个方法应该是传统光流法中的SOTA了，但是RLOF的知识是…

$\phi^{(1)}$是表示时间间隔为1的形变场，上图中的x表示形变场，然后形变场加上形变场的速度，就是时间间隔更长的形变场。 $\phi^{(1/2)}=\phi^{(1/4)} \circ \phi^{(1/4)}$,我们可以从时间间隔为1/4的变形场，推出时间间隔1/2…

本次的内容主要讲解NCCNormalized cross-correlation 归一化互相关。 在传统的非参数方法中，常见的也有相关系数等。我在上一片文章voxelmorph的模型的学习中发现，在医学图像配准任务（不限于医学），衡量两个图片相似的度量有一种叫做NCC的 而这个…

论文的方法在提供微分同胚的同时，且具有最先进的精度和非常快的运行速度。 这片论文提供了SOTA的配准方式，并且使用了diffeomorphic（微分同胚）。 假设我们拥有了$t\in [0,1]$的所有静态速度场，那么我们就可以integrate（整合）所有的速度场，从而从$\…

构建了corresponding prior map（CPmap），然后通过Context Prior Layer（CPLayer）来把这个CPmap融合到网络中，与此同时，使用Affinity Loss来对应这个CPLayer。 关于上面这句话如何解读，我先留着疑问。 int…