H11-M107_CODE.zip
根據資料集摘要
使用特徵解偶和自適應實例歸一 化重構的域一般性分割模型,以最小化語義信息損失來解開特徵,以提升域一般性分割模型的準確度
來源:H11-M107_Domain generalization for pathology image segmentation
其他資訊
欄位 | 值 |
---|---|
最後更新資料 | 十月 11, 2023 |
最後更新的詮釋資料 | 十月 11, 2023 |
建立 | 十月 11, 2023 |
格式 | ZIP |
共享範圍/授權 | Other (Non-Commercial) |
Media type | application/zip |
Size | 54,582,643 |
format | ZIP |
has views | True |
id | 64747380-f38f-4602-bebf-6bf14a35f499 |
last modified | 12 個月前 |
md5 | 52d6476c7ec33c85d021b8a86647a509 |
on same domain | True |
package id | 348e4caf-a11f-48c6-ac91-b2b4d64bf740 |
proxy url | https://scidm.nchc.org.tw/fr/dataset/348e4caf-a11f-48c6-ac91-b2b4d64bf740/resource/64747380-f38f-4602-bebf-6bf14a35f499/nchcproxy/H11-M107_CODE.zip |
revision id | d4d2b3ca-c26e-4a4c-841c-5d34f356c9c8 |
sha256 | f9e3a5cf3013eb1df5a60ca70c2a4ae51f2deb5daa0f2fd23945d51aeb251f30 |
state | active |
url type | upload |
建立 | 12 個月前 |
推薦資料集: