Derniers articles pour CNNs

LiPCoT transforme des données de séries temporelles pour des applications de modèles de langue.

Cet article parle d'utiliser l'apprentissage automatique pour améliorer la qualité des images dans les scanners CT.

Utiliser l'apprentissage profond pour améliorer la détection précoce du carcinome épidermoïde de la cavité buccale.

BBATProt utilise l'apprentissage profond pour améliorer la précision de la prédiction des fonctions des protéines.

Cet article examine les avancées dans le suivi oculaire en utilisant des techniques d'EEG et d'apprentissage profond.

Nouveau modèle améliore la précision dans la segmentation des lésions cutanées pour la détection précoce du cancer.

Nouveau modèle améliore significativement la précision dans la classification des images du cancer du col de l'utérus.

Optimise ton déploiement de CNN avec la technologie FPGA pour une meilleure performance.

Découvrez comment EUIS-Net améliore la segmentation des images d'échographie mammaire pour une meilleure détection du cancer.

Un nouveau jeu de données vise à améliorer la reconnaissance de la langue des signes bangladaise en utilisant des technologies avancées.

Les méthodes d'IA changent la façon dont les scientifiques prédisent les propriétés moléculaires pour différentes applications.

Un aperçu des riches dialectes tamouls et des méthodes d'identification.

Explorer l'impact des modèles de transformateurs dans la création de rapports de radiologie.

Les modèles de deep learning comme U-Net transforment la segmentation cellulaire dans les images de microscopie.

Les systèmes d'IA améliorent l'exactitude des mammographies et la confiance grâce à des techniques d'interprétabilité efficaces.

Un nouveau jeu de données améliore l'imagerie sonar pour la reconnaissance d'objets sous-marins.

Présentation de LoG-VMamba pour une segmentation d'images médicales améliorée.

ResEmoteNet améliore la façon dont les machines lisent les expressions faciales pour différentes applis.

Examiner comment l'apprentissage profond améliore la précision des prévisions de séismes.

Voici LSSF-Net, un modèle léger pour une segmentation précise des lésions cutanées.

TBConvL-Net améliore la précision et l'efficacité dans la segmentation d'images médicales.

K-Origins améliore l'évaluation des couleurs dans les réseaux de neurones pour une analyse d'image améliorée.

Nouveau dataset et modèle améliorent la détection d'objets dans les environnements intérieurs.

MobileUNETR offre une détection du cancer de la peau améliorée grâce à une segmentation d'image avancée.

Ce projet explore des méthodes d'IA pour une classification des déchets plus efficace.

Une nouvelle méthode améliore la modélisation du flux de fluides avec des mesures limitées et bruyantes.

Une méthode qui améliore la concentration des CNN sur les zones clés d'une image pour de meilleures décisions.

Le projet GRAND se concentre sur la détection des averses d'air provenant de neutrinos à haute énergie en utilisant des déclencheurs autonomes.

Explorer des méthodes pour améliorer la qualité des images affectées par la turbulence atmosphérique.

Une nouvelle méthode pour entraîner des CNN directement sur des appareils mobiles et des dispositifs de périphérie.

Un nouveau cadre améliore la précision des images échographiques pendant le suivi du travail.

Une méthode pratique pour détecter la violence dans les espaces publics en utilisant une analyse vidéo avancée.

Un système utilisant l'apprentissage profond pour détecter des actes de violence dans des vidéos.

Une nouvelle méthode CNN améliore la séparation du bruit de roulement de sol dans le traitement des données sismiques.

Un aperçu de l'efficacité de l'entraînement dans les CNN et BCNN en utilisant MNIST et CIFAR-10.

Une nouvelle architecture d'apprentissage machine améliore l'analyse d'images hyperspectrales et la classification des matériaux.

Explorer des techniques de deep learning pour l'analyse de données de séries chronologiques continues.

Une étude révèle un potentiel pour réduire les données d'événements afin d'améliorer l'efficacité.

Une nouvelle méthode améliore la clarté des images et la reconnaissance dans des environnements bruyants.

AMBER surpasse les CNN dans la classification des images hyperspectrales, montrant une meilleure précision.