-
Applicaiton Required 珊瑚礁指標無脊椎動物光學影像與環境數據資料庫
Update frequency Irregular Page view 1390 Downloads 0因珊瑚礁生態系之指標生物多為夜行性，鮮少有人特意拍攝、資料稀缺，故本資料集之目的為抓取公開網路之開放圖像，並手動將其進行標註整理，釋出為公開資料，以利各單位發展AI相關應用。 本團隊對此資料集之預計用途為以下幾點 1. 訓練珊瑚礁指標魚類與無脊椎動物AI偵測器模型。 2.... -
Applicaiton Required H11-M114_CSFT
Update frequency Irregular Page view 2962 Downloads 5Histopathological images provide the medical evidences to help the disease diagnosis. However, manually reviewing these images by pathologists is very time consuming. Moreover,... -
Applicaiton Required H11-M23_弱監督式深度學習方法之分割方法
Update frequency Irregular Page view 1716 Downloads 0Common bile duct (CBD) stones caused diseases are life-threatening. Because CBD stones locate in the distal part of the CBD and have relatively small sizes, detecting CBD stones... -
Applicaiton Required H11-M115_CCA-MFNet
Update frequency Irregular Page view 1662 Downloads 0In this paper, we propose a novel criss-cross attention based multi-level fusion network to segment gastric intestinal metaplasia from narrow-band endoscopic images. Our network... -
Applicaiton Required H11-M116_ADMM-SRNet 基於 ADMM 與對比特徵之單分類稀疏表示網路
Update frequency Irregular Page view 946 Downloads 0Method One-class classification aims to learn one-class models from only in-class training samples. Because of lacking out-of-class samples during training, most conventional... -
Applicaiton Required H11-M113_肝臟纖維分割模型
Update frequency Irregular Page view 1541 Downloads 5主要使用於肝臟纖維分割任務 -
Applicaiton Required H11-M112_基於對比式雙交叉偽監督之肝臟纖維化語意分割模型
Update frequency Irregular Page view 1476 Downloads 2肝臟纖維化之語意分割 -
Applicaiton Required H11-M111_基於空間一致性與對比噪聲標註學習的免疫細胞浸潤分割模型
Update frequency Irregular Page view 1619 Downloads 4使用於肝臟發炎細胞之分割任務 -
Applicaiton Required H11-M110_Domain Generalization with Background Consistency and Texture Reduct...
Update frequency Irregular Page view 1539 Downloads 2使用監督式學習訓練之肝細胞核分割模型，利用抗背景擾動一致性和紋理縮減的集合模型強化模型擷取影像特徵能力，以提升辨識準確性與Robustness -
Applicaiton Required H11-M109_基於課程式學習的完全感知脂肪肝油滴分割模型
Update frequency Irregular Page view 1596 Downloads 3使用課程式學習訓練，提升脂肪肝油滴分割模型對大小型油滴的偵測感知能力 -
Applicaiton Required H11-M108_基於合作式蒸餾的病理分割模型
Update frequency Irregular Page view 1458 Downloads 3利用合作式蒸餾提升大腸腫瘤分割模型效能 -
Applicaiton Required H11-M103_基於對比式聚類之胰臟腺癌不精確標注弱監督分割模型
Update frequency Irregular Page view 1372 Downloads 3使用對比式聚類的弱監督學習方式，從不精確標註資料取得更詳細的標註資訊，透過區塊方式訓練胰臟管線癌的辨識模型。模型會以影像分割方式取得胰臟腺癌區域。 -
Applicaiton Required H11-M102_在核心針活檢之多染色病理全切片影像之變型配準框架模型
Update frequency Irregular Page view 1562 Downloads 10本研究提出了一個核心針活檢組織配準框架。提出的框架主要包括三個主要步驟。 (1）自動去污；（2）通過剛性配準進行初始旋轉和定位；以及（3）變形配準。 -
Applicaiton Required H11-M101_MSCS: 基於異質模型協作多倍率一致性之半監督病理影像分割模型
Update frequency Irregular Page view 1277 Downloads 3使用多倍率半監督式學習訓練之分割模型，以在少量標註資料下提升辨識準確性與模型穩健性 -
Applicaiton Required H11-M105_ACC-GAN
Update frequency Irregular Page view 1295 Downloads 5利用標註一致性引導訓練病理影像的轉換預處理模型保留重要語意特徵，以維持AI模型在不同病理掃描器影像之效能 -
Applicaiton Required H11-M17_持續性學習結合自我標註資料之影像分割模型
Update frequency Irregular Page view 1456 Downloads 0Method 以圖像級標籤為基礎達成語意分割的持續學習，在訓練Transformer的同時讓一部分的模型向CNN學習，結合Transformer及CNN的知識來達成更好的結果。並在持續性學習中同時針對Transformre及CNN做蒸餾式學習，達成持續學習的效果。 Usage 弱監督及持續性學習之細胞分割模型 Release Note v1.0.0,... -
Applicaiton Required M11-M16_持續性學習結合自我標註資料之物體偵測模型
Update frequency Irregular Page view 1255 Downloads 0Method 使用半監督式學習訓練之乳癌物件偵測模型，利用GAN模型自己生成資料集影像，克服原始資料集影像較少的問題，讓偵測模型能有足夠多的訓練資料。再使用前任務的模型標上偽標籤，達成半監督與數據擴增的效果。 Usage 半監督式學習訓練之乳癌物件偵測模型 Release Note v1.0.0, 2023/10/10... -
Applicaiton Required H11-M14_持續性學習之影像分割模型
Update frequency Irregular Page view 1561 Downloads 3Method 為了使細胞實例分割模型具有持續性學習的能力，本方法以兩階段的實例分割模型為框架,加入輸出層級以及特徵層級的知識蒸餾以解決持續性學習裡的災難性遺忘問題,並且以偽標籤方法來解決來解決背景偏移問題，使得模型可以持續學習新資料以及新類別。 Usage 能用於持續性學習之細胞分割模型 Release Note v1.0.0, 2023/07/11... -
H11_M09_高解析度影像的高效率深度學習方法
Update frequency Irregular Page view 2111 Downloads 412Method The goal of the model is to use resnet50 with AMP(AUTOMATIC MIXED PRECISION) to accelerate the training speed and make a high-resolution skin cancer classification. Usage... -
Applicaiton Required H11-M06_考慮到例外分佈的病理影像標註品質評估技術
Update frequency Irregular Page view 2622 Downloads 13Method 使用無監督式學習訓練之病理影像異常檢測模型，僅須提供未帶有腫瘤區域的資料來訓練模型，便可協助醫師偵測出病理影像中可能的腫瘤區域。 模型訓練分為兩階段, 第一階段是使用 Self-Supervised Learning 去訓練一個好的 Image Encoder (類似 MoCo) ，第二階段會使用到訓練好的 Encoder...