Derniers articles pour Classification d'images

Une nouvelle méthode améliore les images basse résolution pour de meilleures tâches de reconnaissance.

IMWA améliore la performance des modèles dans les tâches d'apprentissage avec des classes déséquilibrées de manière efficace.

Une nouvelle approche améliore la capacité de l'IA à apprendre à partir de quelques exemples.

Un nouveau système hybride combine des méthodes optiques et électroniques pour une classification d'images efficace.

Les VLMs galèrent avec la classification d'images, mais une meilleure intégration des données peut améliorer leurs capacités.

Découvre comment MetaMixer transforme l'efficacité et l'adaptabilité des modèles.

Un aperçu des CNN et des ViT dans la reconnaissance d'images de mode.

Une nouvelle méthode améliore la précision des petits modèles en utilisant des données synthétiques.

Une méthode pour équilibrer la précision et le coût dans les modèles de classification d'images.

ReDistill propose une solution innovante pour réduire la mémoire maximale dans les réseaux de neurones.

Une étude sur l'efficacité de différents modèles légers dans la classification d'images.

Une nouvelle méthode améliore la sélection des bandes pour l'imagerie hyperspectrale sans réentraînement.

Un nouveau réseau de neurones améliore la reconnaissance des couleurs pour une meilleure classification des images.

La technologie de l'IA améliore le diagnostic et le suivi du cancer de l'estomac grâce à des techniques d'imagerie améliorées.

Une nouvelle méthode améliore l'apprentissage dans les modèles image-texte en utilisant des exemples composites.

Les KAN améliorent l'analyse et la classification des images tout en utilisant moins de ressources.

ShiftAddAug améliore l'efficacité et la précision des réseaux de neurones pour les appareils edge.

Une nouvelle méthode améliore l'apprentissage auto-supervisé en ajoutant un composant mémoire.

HEML améliore la classification d'images en se concentrant sur des segments importants pour de meilleures explications.

Explorer les fKANs et leur impact sur la performance de l'apprentissage machine.

GPC propose un seul modèle pour plein de tâches de classification de pathologies.

Une nouvelle approche améliore l'efficacité des tâches de vision par IA sans perdre en précision.

CoAPT améliore la classification d'images grâce à des mots d'attribut contextuels dans le réglage de prompt.

Présentation d'une méthode pour améliorer la résilience des systèmes d'IA grâce à des attaques adversariales multitâches.

Une nouvelle méthode améliore les modèles d'apprentissage profond pour les appareils à ressources limitées.

Une approche de pointe améliore l'identification des images altérées et recapturées.

Une nouvelle méthode améliore la génération de données synthétiques tout en garantissant la protection de la vie privée.

MALT améliore l'efficacité et le succès des attaques adversariales dans les modèles de classification d'images.

Un nouveau cadre améliore le traitement d'image dans les grands modèles de langage multimodaux.

Cette recherche évalue de nouvelles méthodes pour améliorer les modèles d'apprentissage automatique quantique.

Une nouvelle approche offre des explications plus claires pour les décisions de classification d'images.

De nouveaux algorithmes améliorent l'efficacité dans les problèmes d'inégalités variationnelles dans divers domaines.

De nouvelles méthodes visent à améliorer la vitesse et l'efficacité des modèles d'apprentissage profond.

CAS-ViT améliore l'efficacité du traitement d'image pour les appareils mobiles.

Self-TPT simplifie le réglage des prompts pour les modèles vision-langage, améliorant la vitesse et l'efficacité.

Combiner l'informatique quantique avec l'apprentissage automatique améliore les techniques de classification d'images.

Le dataset HaSPeR vise à garder vivante la marionnette d'ombre faite à la main grâce à la technologie.

Une nouvelle méthode utilise la complexité des images pour améliorer l'efficacité de l'entraînement de l'IA.

SOOD-ImageNet s'attaque aux défis de la vision par ordinateur liés aux significations d'image qui changent.

Une nouvelle méthode améliore la façon dont les modèles apprennent à partir d'images et de textes.