Últimos artículos para Reconocimiento de imágenes

Un estudio explora nuevos métodos para que los modelos de aprendizaje profundo se adapten a datos que cambian.

Una mirada a cómo los MLLMs manejan pequeños detalles en las imágenes.

Nuevos conjuntos de datos revelan dificultades para identificar a los corredores y el texto en condiciones de barro.

Un nuevo método mejora el reconocimiento de personas usando datos débilmente etiquetados.

Estrategias para mejorar el rendimiento del modelo a pesar de la distribución desigual de datos.

Este estudio revela lo que los atacantes saben sobre los ataques adversariales contra modelos de reconocimiento de imágenes.

Examinando las limitaciones de los grandes modelos de visión-lenguaje en la comprensión detallada de imágenes.

Examinando la auto-atención y el descenso por gradiente en modelos de transformadores.

Un nuevo método mejora el enfoque del modelo en las características importantes durante la clasificación de imágenes.

Método innovador simplifica el entrenamiento de modelos para la clasificación de imágenes complejas.

Un nuevo método mejora las pruebas de sistemas de implicación visual al centrarse en las relaciones entre objetos.

Un nuevo marco mejora la precisión y eficiencia del reconocimiento de imágenes para entidades web.

Abordando los desafíos en el aprendizaje federado debido a la diversidad de dispositivos y datos.

Un nuevo enfoque mejora el reconocimiento de clases subrepresentadas en visión por computadora.

Un nuevo método mejora el descubrimiento de categorías al combinar información visual y textual.

Un nuevo método mejora la precisión de los nombres en los conjuntos de datos de segmentación de imágenes.

Este artículo examina cómo los ataques adversarios alteran los conceptos aprendidos de las CNN.

Un nuevo método mejora la alineación de imagen-texto al reducir el sesgo de una sola etiqueta.

Este artículo explora cómo los datos de entrenamiento afectan el rendimiento del modelo en sistemas multimodales.

Un nuevo modelo liviano mejora el reconocimiento de objetivos en imágenes de radar de apertura sintética.

Un nuevo método mejora el etiquetado de datos sin etiquetar en el reconocimiento de imágenes.

MCPNet ofrece una visión más clara sobre las decisiones de los modelos de aprendizaje profundo a través de la extracción de conceptos a varios niveles.

Nuevo método mejora la clasificación de imágenes con datos mínimos usando imágenes no etiquetadas.

Un estudio destaca la dependencia de CLIP en características espurias para el reconocimiento de imágenes.

Un método para adaptar modelos de aprendizaje automático sin necesitar datos de origen.

Presentamos FiLo: Un nuevo método para la detección y localización precisa de anomalías.

Un nuevo método mejora la precisión en la clasificación de objetos usando múltiples representaciones.

Un nuevo método de entrenamiento mejora la capacidad de las redes neuronales para evaluar la incertidumbre.

Descubre cómo el método CPEA mejora la clasificación de imágenes con datos mínimos.

Este estudio investiga los sesgos en los modelos de visión-lenguaje y formas de reducir su impacto.

Las Redes de Cápsulas mejoran el reconocimiento de objetos con estructuras y métodos de aprendizaje únicos.

El marco HDC mejora el reconocimiento de objetos usando descripciones en lenguaje en las imágenes.

Un nuevo método mejora la percepción de imágenes en modelos de lenguaje usando modelos de difusión.

Los VLMs tienen problemas con la clasificación de imágenes, pero una mejor integración de datos puede mejorar sus capacidades.

Nuevo marco mejora el reconocimiento de imágenes en diferentes dominios usando descripciones en lenguaje.

Te presentamos PART, un método para aumentar la precisión y la robustez de los modelos de aprendizaje automático.

Nuevos métodos mejoran el reconocimiento de imágenes para identificar personas en diferentes entornos.

Un nuevo enfoque mejora cómo la IA compara imágenes utilizando instrucciones visuales.

FALCON identifica categorías específicas usando etiquetas generales sin necesidad de supervisión detallada.

Una mirada a las redes neuronales, la incertidumbre y su impacto en la toma de decisiones de la IA.