Pinned Repositories
al-folio
A beautiful, simple, clean, and responsive Jekyll theme for academics
AugDiff
HVTSurv
HVTSurv: Hierarchical Vision Transformer for Patient-level Survival Prediction from Whole Slide Image-AAAI 2023
learn
LNPL-MIL
Path-Planning
本代码的实现包括两个部分： 第一部分： 基于人工势场法的机器人路径规划：随机生成12-15个障碍物，每个障碍物随机占据6-20个栅格，利用该人工势场法编程实现机器人从左下到右上的路径规划。 同时在代码中已实现动态展示的效果。 第二部分： 基于果蝇优化算法的路径规划：根据提供的地图，实现单机器人的全局路径规划。以及拓展部份的双机器人路径规划，两个机器人分别从左下到右上，和从右下到左上。 调用方法： 第一部分：直接运行main.m，有关于调参的部分在main.m开头 第二部分： 单机器人部分：提供了两个地图的示例，test1.m和test2.m 双机器人部分：思路是设置不同的起始点，把单机器人部分连续跑两遍，同时判断不会相撞的条件是计算交叉点处是否有时间差
TransMIL
TransMIL: Transformer based Correlated Multiple Instance Learning for Whole Slide Image Classification
szc19990412's Repositories
szc19990412/TransMIL
TransMIL: Transformer based Correlated Multiple Instance Learning for Whole Slide Image Classification
szc19990412/Path-Planning
本代码的实现包括两个部分： 第一部分： 基于人工势场法的机器人路径规划：随机生成12-15个障碍物，每个障碍物随机占据6-20个栅格，利用该人工势场法编程实现机器人从左下到右上的路径规划。 同时在代码中已实现动态展示的效果。 第二部分： 基于果蝇优化算法的路径规划：根据提供的地图，实现单机器人的全局路径规划。以及拓展部份的双机器人路径规划，两个机器人分别从左下到右上，和从右下到左上。 调用方法： 第一部分：直接运行main.m，有关于调参的部分在main.m开头 第二部分： 单机器人部分：提供了两个地图的示例，test1.m和test2.m 双机器人部分：思路是设置不同的起始点，把单机器人部分连续跑两遍，同时判断不会相撞的条件是计算交叉点处是否有时间差
szc19990412/HVTSurv
HVTSurv: Hierarchical Vision Transformer for Patient-level Survival Prediction from Whole Slide Image-AAAI 2023
szc19990412/LNPL-MIL
szc19990412/AugDiff
szc19990412/al-folio
A beautiful, simple, clean, and responsive Jekyll theme for academics
szc19990412/learn