Efficient Classification of Very Large Images with Tiny Objects（CVPR2022）

发布时间：2024年01月05日

文章目录

基本参数设置

dataset：colon cancer
TenCrossValidation：True
optimizer：adam
models_set：LeNet
mode：10CrossValidation
lr：0.0001
weight_decay：1e-5
lr_decay_steps：30
lr_decay_ratio：0.9
clipnorm梯度裁剪（阈值设为5.0）避免梯度爆炸问题
tile_size：250×250
patch_size：即从高分辨率中提取的子块大小为27×27
n_patches：10
regularizer_strength：0.01
batch_size：5
epoch：100
scale：0.2（下采样缩放因子）
contrastive_learning：True
若采用对比学习，从第10个epoch开始
二分类
动态采样系数不进行正则化
每个epoch都进行一次验证
重叠区域大小设置为1减少边缘信息丢失
使用gpu

Colon Cancer

10折交叉验证（不带对比学习N=10）

10折交叉验证（带对比学习N=10）

N=5

N=50

λ=1.0

λ=0

best

文章来源:https://blog.csdn.net/qihshe/article/details/135358197
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
最新文章