Últimos artículos para Aprendizaje profundo

Un nuevo método mejora los modelos 3D generados a partir de imágenes individuales.

Graph-Segmenter mejora la segmentación de imágenes con técnicas innovadoras de transformadores.

Los avances en el aprendizaje profundo mejoran la calidad y eficiencia de la imagen de CT de Haz Cónico.

Examinando la eficiencia de las redes neuronales a través de principios termodinámicos.

SYENet ofrece soluciones en tiempo real para tareas de visión de bajo nivel en dispositivos móviles.

Este estudio examina cómo la poda afecta a los modelos de aprendizaje profundo para el análisis de imágenes médicas.

Examinando cómo los ataques adversariales afectan a DeepReceiver en sistemas de comunicación inalámbrica.

Este artículo examina las debilidades en los métodos de selección de pruebas para sistemas de aprendizaje profundo.

Descubre cómo los modelos avanzados mejoran las imágenes de baja resolución para un mejor rendimiento de OCR.

Una nueva estructura de red mejora la detección de objetos usando imágenes RGB-D.

DEQDet presenta un nuevo enfoque para la detección de objetos usando un modelo de equilibrio profundo.

Presentamos Knowledge Bridge Learning para mejorar la transferencia de conocimiento en deep learning.

NAPA-VQ ofrece una solución para retener conocimiento en sistemas de IA mientras aprenden nueva información.

Un nuevo marco combina el aprendizaje por refuerzo y la optimización para mejorar la programación de tareas.

Este artículo examina maneras de mejorar la cuantización en modelos de aprendizaje profundo usando TVM.

Un nuevo enfoque para entender datos estructurados en grafos y las relaciones entre nodos.

Un estudio sobre la extracción de características para la clasificación de texto en Bangla usando modelos de aprendizaje profundo.

Nuevos métodos mejoran la calidad de imagen mientras aceleran el proceso.

Nuevos métodos mejoran la claridad y calidad en imágenes borrosas.

Este método mejora el reconocimiento de símbolos matemáticos escritos a mano usando relaciones semánticas.

SDeMorph recupera caras originales de imágenes morfadas sin ninguna referencia.

La equivariancia ayuda a las redes neuronales a reconocer imágenes de manera consistente a pesar de las transformaciones.

Un método para predecir defectos internos de la madera basándose en las formas externas.

LEAP mejora las pruebas adversariales para software de procesamiento de lenguaje natural.

Un nuevo método mejora el rendimiento de los modelos de ML y DL durante la inferencia.

Este artículo habla sobre la Hipótesis del Boleto de Lotería y las técnicas de poda en DNNs.

Un marco para medir con precisión el uso de energía en sistemas de aprendizaje profundo.

Un nuevo método mejora la calidad de las imágenes de huellas dactilares para una mejor autenticación biométrica.

Los modelos generativos profundos mejoran la imagen médica a través de técnicas de aumento de datos.

Nuevos métodos mejoran la resistencia de las redes neuronales contra ataques adversariales.

Usando modelos generativos para mejorar imágenes sintéticas en la investigación de microscopía.

Un nuevo método mejora la confianza en los modelos de deep learning para imágenes médicas.

SaEnet mejora el rendimiento de CNN al centrarse en las características esenciales de las imágenes.

Los investigadores desarrollan máscaras de peso para ayudar a los modelos a retener conocimientos mientras aprenden nuevas tareas.

Este artículo explora el papel de los Transformers en la restauración de imágenes y sus vulnerabilidades a ataques adversariales.

Este estudio mejora los modelos de análisis de diseño para documentos en bengalí usando Mask R-CNN.

Aprende cómo las CNNs ayudan a limpiar imágenes ruidosas de manera efectiva.

DiffI2I mejora la traducción de imagen a imagen con mayor precisión y eficiencia.

Una nueva herramienta estima cómo reaccionan las redes neuronales a los cambios de entrada, lo cual es crucial para la seguridad.

Un nuevo modelo mejora la eficiencia y precisión de la detección de bordes en el procesamiento de imágenes.