convolutional neural networks | BriefGPT

关键词convolutional neural networks

搜索结果 - 2616

利用深度学习和合成数据增强改善眼部疾病诊断
提出了一种集成学习技术用于早期检测和管理糖尿病视网膜病变（DR），精度较之前的模型更高，对患者的早期检测和治疗有帮助，提高了患者的整体护理质量。
PDF2 days ago
CSWin-UNet: 用于医学图像分割的带有交叉窗口的 Transformer UNet
本研究提出了一种新的 U 型分割方法 CSWin-UNet，该方法将 CSWin 自注意机制与 UNet 相结合，以促进水平和垂直条纹的自注意力，显著提高了计算效率和感受野交互。此外，我们的创新解码器利用了一个内容感知重组运算符，根据预测的
PDF2 days ago
从 CNN 的鲁棒性视角重新审视部分标签问题
卷积神经网络在各个领域中得到了越来越多的应用，然而在多标签数据集的情况下，图像数据集的注释变得复杂和棘手。为了减少注释成本，部分标签设置的概念被提出，并引入了众多相应的解决方案。然而，仅仅基于准确性的评估方法是不充分和片面的。为了解决这个问
PDF3 days ago
MxT：图像修复的蟒蛇与变形金刚
使用混合模块的 MxT 方法在图像修复任务中表现出色，能够恢复具有高质量和上下文准确性的图像。
PDF4 days ago
DC 是你所需要的：从信号处理角度描述 ReLU
研究了非线性激活函数 ReLU 在频域中的谱特性行为，并发现它引入了频率上的振荡和恒定的直流分量，进一步证明了直流分量有助于提取与输入频率内容相关的有意义特征；通过理论推导、实验和实际示例进行验证。
PDF4 days ago
利用整合的 LSTM 层和 CNN 增强 fNIRS 数据分析中的认知负荷分类
本研究论文通过探索长短期记忆（LSTM）层对卷积神经网络（CNNs）在深度学习模型中的有效性的影响，旨在解决 CNN 中空间特征过拟合和缺乏时间依赖性的问题。实验结果表明，将 LSTM 层与卷积层结合可将深度学习模型的准确率从 97.40％
PDF5 days ago
YOLO-pdd：一种使用深度表示和序列图像的新型多尺度 PCB 缺陷检测方法
该研究提出了一种基于深度卷积神经网络的高精度、鲁棒性和实时的端到端方法，用于 PCB 缺陷检测。通过将 YOLOv5 和多尺度模块相结合，该方法实现了多层次残差连接，提取不同尺寸和复杂度缺陷的特征，显著提高了精度和召回率，推动了 PCB 缺
PDF5 days ago
子图聚类和原子学习对图像分类的改进
本研究提出了一种称为图子图网络（Graph Sub-Graph Network, GSN）的新型混合图像分类模型，将卷积神经网络（CNNs）用于特征提取和图神经网络（GNNs）用于结构建模的优势进行了融合。GSN 采用 k 均值聚类将图节点
PDF7 days ago
朝着高效的卷积神经网络：结构化三值模式
利用静态卷积滤波器从局部二进制模式（LBPs）和 Haar 特征空间中生成的结构化三元模式（STePs）设计了高效的卷积神经网络，能够在移动和嵌入式平台上提供竞争力的结果，并能够通过减少可学习参数来在无人机等设备上实现高检测准确性。
PDF7 days ago
神经网络压缩的 Shapley 剪枝
基于 Shapley 值的神经网络剪枝框架在卷积神经网络压缩方面表现出先进的结果。
PDF8 days ago
EmoCAM：驱动基于 CNN 的情感识别的理解
本研究提出了一个结合基于 CAM 的技术和对象检测的框架，以更好地理解 EmoNet 模型在图像上指派特定情感所依赖的图像线索，这个模型主要关注人的特征，并研究了特定图像修改的显著效果。
PDF8 days ago
DuoFormer：通过局部和全局注意力利用层次视觉表示
我们提出了一种新颖的层级 Transformer 模型，巧妙地将卷积神经网络 (CNN) 的特征提取能力与视觉 Transformer (ViTs) 的先进表征潜力相结合。通过采用 CNN 骨架生成层级视觉表征，以创新的补丁令牌化方式将这些
PDF9 days ago
基于局部特征掩码的鲁棒卷积神经网络超越 Dropout
本研究介绍了一种创新的局部特征屏蔽（LFM）策略，旨在加强卷积神经网络（CNNs）在对抗攻击和强大泛化能力之间的表现。实证结果表明，LFM 的无缝集成为深度学习范式中的泛化和对抗鲁棒性提供了显著的改进，并促进了鲁棒神经网络结构的发展。
PDF9 days ago
MM医学图像分类中的类别增量学习问题的研究
通过引入平衡分类损失和分布边际损失，本研究在三个基准数据集上进行了大量实验，证明了该方法优于现有方法，从而有效缓解了医学数据集中不平衡导致的分类器偏见和遗忘现象。
PDF9 days ago
NITRO-D: 深度卷积神经网络的原生整数训练
NITRO-D 是一个新的框架，用于训练完全在整数领域进行训练和推理的任意深度整数型卷积神经网络，不需要引入量化方案，并通过多个整数本地损失块和特定于整数领域的优化器 IntegerSGD 引入了一种新颖的整数型学习算法。
PDF11 days ago
对卷积神经网络中缺失图像信息进行人类直觉建模
本研究采用直觉建模，并将这种形式主义应用于改善卷积神经网络的性能。通过逐渐减少数据集图像中的视觉信息量以检查其对 CNN 准确性的影响，我们建立了一个用于视觉直觉的模型，该模型使用格式塔理论进行表征。实验证明，在使用不完整图像时，增强的 C
PDF15 days ago
利用深度神经网络检测划艇短距离力传感器信号中非解析定义的专家事件标签
使用卷积神经网络和循环神经网络来自动预测运动员在划船时的桨划周期，并提出了基于时间窗口的事件检测方法来评估模型性能。结果显示，基于双向门控循环单元（BGRUs）的循环神经网络是最适合进行桨划检测的模型。
PDF16 days ago
知识蒸馏以从包含多个对象的图像中有效获取感兴趣区域和全局语义
使用卷积神经网络和 Transformer 模型，在对象检测任务中通过 ROI 区域分割和蒙版，结合全局上下文，成功实现准确分类食物图片，同时提高模型的鲁棒性。
PDF16 days ago
使用卷积神经网络估计随机图的稳定数
我们探索使用卷积神经网络 (CNNs) 在图像中预测随机图和网络的组合属性基数的可行性，通过使用修改后的邻接矩阵图像表示作为 CNN 模型的训练样本，预测了随机图的稳定数，即不具备两两邻接关系的最大顶点集合的基数。
PDF17 days ago
HAFormer：发挥分层感知特征在轻量级语义分割中的力量
HAFormer 是一种结合了 CNN 的层次化特征提取和 Transformer 的全局依赖建模能力的模型，用于解决轻量级语义分割挑战。它通过设计 HAPE 模块进行自适应多尺度局部特征提取，在全局感知建模过程中使用 ET 模块简化传统
PDF17 days ago