[1]胸部X射线数据集深入特征学习应用于小规模数据集的TB（肺结核）检测
- title: Deep Feature Learning from a Hospital-Scale Chest X-ray Dataset with Application to TB Detection on a Small-Scale Dataset
- author: Ophir Gozes, Hayit Greenspan
- abstract:
ImageNet预训练网络的使用在医学成像界变得越来越普遍。它支持小型数据集的培训，通常可用于医学成像任务。最近出现的大型胸部X射线数据集开启了学习特定于X射线分析任务的特征的可能性。在这项工作中，我们证明了所学的特征可以更好地分析结核病检测问题的分类结果，并能够推广到一个看不见的数据集。为了完成特征学习的任务，我们在ChestXray14数据集的112K图像上训练DenseNet-121 CNN，其中包括14种常见胸部病变的标签。除病理学标签外，我们还纳入了数据集中可用的元数据：患者定位，性别和患者年龄。我们称这个架构为MetaChexNet。作为特征学习的副产品，我们展示了使用CNN的患者年龄和性别评估任务的最新表现。最后，我们展示了使用ChestXray14学习的特征，可以在结核病的小规模数据集上实现更好的转移学习。
关键词： Chest X-Ray, Densenet-121, MetaChexNet
[2] dense caption 的全卷积定位网络结构
-
titile: DenseCap: Fully convolutional localization networks for dense captioning
-
author: Johnson JKarpathy AFei-Fei L
-
abstract:
我们介绍了密集字幕任务，它需要一个计算机视觉系统来定位和描述自然语言图像中的显着区域。当描述由单个单词组成时，密集字幕任务概括了对象检测，当一个预测区域覆盖整个图像时，图像字幕被概括。为了共同解决本地化和描述任务，我们提出了一种完全卷积定位网络（FCLN）架构，该架构使用单一，高效的前向传递处理图像，不需要外部区域提议，并且可以通过单轮进行端到端训练优化该体系结构由卷积网络，新颖的密集定位层和生成标签序列的递归神经网络语言模型组成。我们在Visual Genome数据集上评估我们的网络，该数据集包含94,000个图像和4,100,000个区域接地字幕。基于生成和检索设置中的当前最新技术方法，我们观察到基线的速度和准确度改进。 -
任务描述：
-
网络框架：
[3] 空间和时间上的动态和语义属性丰富视觉编码 Video Captioning
-
title: Spatio-Temporal Dynamics and Semantic Attribute Enriched Visual Encoding for Video Captioning
-
author: Nayyer Aafaq, Naveed Akhtar, Wei Liu, Syed Zulqarnain Gilani, Ajmal Mian
-
abstract:
自动生成视频字幕是计算机视觉中的基本挑战。最近的技术通常采用卷积神经网络（CNN）和递归神经网络（RNN）的组合用于视频字幕。这些方法主要侧重于通过RNN定制序列学习以更好地生成字幕，而现成的视觉特征则来自CNN。我们认为，为此任务仔细设计视觉特征同样重要，并提出了一种视觉特征编码技术，使用门控循环单元（GRU）生成语义丰富的字幕。我们的方法通过将短傅里叶变换分层应用于整个视频的CNN特征，在视觉特征中嵌入了丰富的时间动态。它还从对象检测器导出高级语义，以利用检测到的对象的空间动态来丰富表示。最终的表示被投射到一个紧凑的空间，并被用于语言模型。通过学习包含两个GRU层的相对简单的语言模型，我们在MSVD和MSR-VTT数据集上为METEOR和ROUGE_L指标建立了新的最新技术水平。 -
网络结构：