Últimos artículos para Clasificación de Imágenes

Un método para equilibrar la precisión y el costo en modelos de clasificación de imágenes.

ReDistill ofrece una solución innovadora para reducir la memoria máxima en redes neuronales.

Un estudio sobre la efectividad de varios modelos ligeros en clasificación de imágenes.

Nuevo método mejora la selección de bandas para imágenes hiperespectrales sin necesidad de reentrenar.

Una nueva red neuronal mejora el reconocimiento de colores para una mejor clasificación de imágenes.

La tecnología de IA mejora el diagnóstico y monitoreo del cáncer de estómago a través de técnicas de imagen mejoradas.

Nuevo método mejora el aprendizaje en modelos de imagen-texto usando ejemplos compuestos.

Los KANs mejoran el análisis y clasificación de imágenes mientras usan menos recursos.

ShiftAddAug mejora la eficiencia y precisión de las redes neuronales para dispositivos en el borde.

Un nuevo método mejora el aprendizaje auto-supervisado al agregar un componente de memoria.

HEML mejora la clasificación de imágenes al centrarse en segmentos importantes para dar mejores explicaciones.

Explorando fKANs y su impacto en el rendimiento del aprendizaje automático.

GPC ofrece un solo modelo para múltiples tareas de clasificación de patologías.

Un nuevo enfoque mejora la eficiencia en tareas de visión de IA sin perder precisión.

CoAPT mejora la clasificación de imágenes a través de palabras de atributos contextuales en la sintonización de mensajes.

Presentando un método para mejorar la resistencia de sistemas de IA mediante ataques adversariales multitarea.

Nuevo método mejora modelos de aprendizaje profundo para dispositivos con recursos limitados.

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

Nuevo método mejora la generación de datos sintéticos mientras garantiza la protección de la privacidad.

MALT mejora la eficiencia y el éxito de los ataques adversariales en modelos de clasificación de imágenes.

Nuevo marco mejora el procesamiento de imágenes en modelos de lenguaje grandes multimodales.

Esta investigación evalúa nuevos métodos para mejorar los modelos de aprendizaje automático cuántico.

Un nuevo enfoque ofrece explicaciones más claras para las decisiones de clasificación de imágenes.

Nuevos algoritmos mejoran la eficiencia en problemas de desigualdad variacional en varios campos.

Nuevos métodos buscan mejorar la velocidad y eficiencia de los modelos de aprendizaje profundo.

CAS-ViT mejora la eficiencia del procesamiento de imágenes en dispositivos móviles.

Self-TPT simplifica el ajuste de prompts para modelos de visión-lenguaje, mejorando la velocidad y eficiencia.

Combinar la computación cuántica con el aprendizaje automático mejora las técnicas de clasificación de imágenes.

El dataset HaSPeR busca mantener viva la marioneta de sombras de mano a través de la tecnología.

Nuevo método aprovecha la complejidad de las imágenes para una mejor eficiencia en el entrenamiento de IA.

SOOD-ImageNet aborda desafíos en visión por computadora relacionados con el cambio en los significados de las imágenes.

Un nuevo método mejora cómo los modelos aprenden de imágenes y texto.

FC-KAN mejora el análisis de imágenes a través de combinaciones inteligentes de funciones.

Un modelo que distingue imágenes reales de las generadas por computadora.

ViTTM mejora el procesamiento de imágenes a través de mecanismos innovadores basados en tokens.

Un método para mejorar la adaptabilidad del modelo sin perder las habilidades originales.

Descubre un nuevo método para que la IA aprenda que mejora la retención del conocimiento.

FOLK mejora el aprendizaje auto-supervisado mediante enmascaramiento de frecuencia adaptativo y un diseño de maestro-alumno.

Mejorando la eficiencia del modelo en teledetección a través de técnicas de destilación de conocimiento.

Este artículo compara los Transformadores de Visión y las CNN para clasificar imágenes de sonar de barrido lateral.