Últimos artículos para Aumento de Datos

Los investigadores encuentran formas de reducir el tamaño de los modelos de detección de intenciones sin perder precisión.

Examinando cómo el desequilibrio de datos afecta el rendimiento de los modelos de aprendizaje automático.

Nuevos métodos mejoran la precisión en la segmentación de imágenes médicas en diferentes fuentes de datos.

La aumentación de datos mejora la precisión de la evaluación de vulnerabilidades de software en medio del desequilibrio de datos.

Nuevas técnicas mejoran la precisión de ubicación de los robots en espacios interiores usando aprendizaje profundo.

Este artículo habla sobre el uso de Redes Neuronales Siamés para la posición de robots móviles.

Una mirada a los métodos para mejorar la calidad de imagen afectada por la neblina.

Nuevos métodos de datos mejoran las predicciones sobre comportamientos de consumo de sustancias.

Un nuevo sistema mejora la clasificación de tejidos usando técnicas de aprendizaje profundo.

Una nueva herramienta ayuda a los usuarios a corregir desalineaciones en embeddings multimodales.

Un nuevo modelo mejora la predicción de trayectorias para autos autónomos en diversas condiciones.

MetaAug reduce el sobreajuste en PTQ a través de transformaciones de datos innovadoras.

Este estudio presenta un marco de dos etapas para generar datos en la investigación médica.

Un nuevo enfoque combina varias modalidades de detección para una mejor integración de datos.

Esta investigación presenta un modelo de CNN para reconocer la base y el exponente de expresiones matemáticas a partir de imágenes.

Destacando los avances clave en técnicas de generación de argumentos basadas en IA y los desafíos enfrentados.

Los avances en deep learning mejoran la precisión del diagnóstico de enfermedades de la piel.

Investigadores mejoran la precisión de las ecografías fetales usando imágenes sintéticas y aprendizaje automático.

Explorando cómo la diversidad de los conjuntos de datos afecta el rendimiento de los modelos de aprendizaje profundo.

El nuevo modelo CFGen mejora la generación de datos sintéticos de células individuales para obtener mejores ideas en la investigación.

Un nuevo método mejora la detección de imágenes generadas por IA al centrarse en áreas texturizadas.

Nuevos métodos mejoran el reconocimiento y la respuesta emocional en la tecnología.

GraphTP mejora el aprendizaje de grafos a través de estrategias de datos mejoradas.

Explora la importancia de los conjuntos de datos de visualización para mejorar los procesos automáticos de datos.

Un nuevo método mejora la segmentación de superpixeles en imágenes de 360° usando aprendizaje profundo.

Un enfoque de vanguardia mejora la identificación de imágenes alteradas y recuperadas.

Nuevos métodos mejoran la precisión en la predicción de hospitalizaciones relacionadas con la gripe.

Un nuevo enfoque mejora el aprendizaje cero disparo para una mejor clasificación de datos de IoT.

Abordando problemas en el seguimiento de instalaciones de paneles solares mediante tecnologías avanzadas.

Un nuevo método mejora la medición de la frecuencia cardíaca para diferentes tonos de piel.

Un nuevo marco mejora la segmentación de imágenes médicas con menos imágenes etiquetadas.

Un nuevo método para aumentar la variedad de datos y mejorar el rendimiento del modelo.

Mejorando la precisión en la estimación de orientaciones de la cabeza para varias aplicaciones.

Nuevos métodos mejoran la precisión en la localización interior usando técnicas de aprendizaje automático.

La investigación se centra en detectar audio deepfake mediante técnicas mejoradas y expansión de datos.

InfinityMath mejora las habilidades matemáticas en modelos de lenguaje a través de conjuntos de datos de calidad.

Curled-Dreamer mejora la toma de decisiones en el aprendizaje por refuerzo usando métodos de aprendizaje contrastivo.

ARPA mejora la desambiguación del sentido de las palabras visuales al integrar técnicas de procesamiento de lenguaje e imágenes.

Utilizando datos no etiquetados para mejorar modelos de aprendizaje automático a través de pseudoetiquetado.

Un método para mejorar la detección de deepfakes reduciendo los sesgos de datos.