Articoli più recenti per Classificazione delle Immagini

Un metodo per bilanciare precisione e costo nei modelli di classificazione delle immagini.

ReDistill offre una soluzione innovativa per ridurre l'uso massimo della memoria nelle reti neurali.

Uno studio sull'efficacia di vari modelli leggeri nella classificazione delle immagini.

Nuovo metodo migliora la selezione delle bande per l'imaging iperspettrale senza bisogno di riaddestramento.

Una nuova rete neurale migliora il riconoscimento dei colori per una migliore classificazione delle immagini.

La tecnologia AI migliora la diagnosi e il monitoraggio del cancro allo stomaco attraverso tecniche di imaging avanzate.

Nuovo metodo migliora l'apprendimento nei modelli immagine-testo usando esempi compositi.

I KAN migliorano l'analisi e la classificazione delle immagini usando meno risorse.

ShiftAddAug migliora l'efficienza e la precisione delle reti neurali per i dispositivi edge.

Un nuovo metodo migliora l'apprendimento auto-supervisionato aggiungendo un componente di memoria.

HEML migliora la classificazione delle immagini concentrandosi su segmenti importanti per spiegazioni migliori.

Esplorando fKAN e il loro impatto sulle prestazioni del machine learning.

GPC offre un modello unico per diversi compiti di classificazione delle patologie.

Un nuovo approccio migliora l'efficienza nei compiti di visione AI senza perdere precisione.

CoAPT migliora la classificazione delle immagini attraverso parole di attributo contestuale nel prompt tuning.

Presentiamo un metodo per migliorare la resilienza dei sistemi AI attraverso attacchi avversariali multitasking.

Nuovo metodo migliora i modelli di deep learning per dispositivi a risorse limitate.

Un approccio all'avanguardia migliora l'identificazione delle immagini alterate e ricapturate.

Nuovo metodo migliora la generazione di dati sintetici garantendo la protezione della privacy.

MALT migliora l'efficienza e il successo degli attacchi avversariali nei modelli di classificazione delle immagini.

Nuovo framework migliora l'elaborazione delle immagini nei modelli di linguaggio multimodali.

Questa ricerca valuta nuovi metodi per migliorare i modelli di machine learning quantistico.

Un nuovo approccio offre spiegazioni più chiare per le decisioni di classificazione delle immagini.

Nuovi algoritmi migliorano l'efficienza nei problemi di disuguaglianza variazionale in vari settori.

Nuovi metodi mirano a migliorare la velocità e l'efficienza dei modelli di deep learning.

CAS-ViT migliora l'efficienza della gestione delle immagini per i dispositivi mobili.

Self-TPT semplifica il prompt tuning per i modelli visione-linguaggio, migliorando velocità ed efficienza.

Combinare il computer quantistico con il machine learning migliora le tecniche di classificazione delle immagini.

Il dataset HaSPeR mira a mantenere in vita il teatro delle ombre con le mani grazie alla tecnologia.

Nuovo metodo sfrutta la complessità delle immagini per migliorare l'efficienza dell'allenamento dell'IA.

SOOD-ImageNet affronta le sfide nella visione artificiale legate ai significati delle immagini che cambiano.

Un nuovo metodo migliora come i modelli apprendono da immagini e testo.

FC-KAN migliora l'analisi delle immagini grazie a combinazioni di funzioni intelligenti.

Un modello che distingue le immagini reali da quelle generate al computer.

ViTTM migliora l'elaborazione delle immagini grazie a meccanismi innovativi basati su token.

Un metodo per migliorare l'adattabilità del modello mantenendo le abilità originali.

Scopri un nuovo metodo per l'apprendimento dell'IA che migliora la retention delle conoscenze.

FOLK migliora l'apprendimento auto-supervisionato attraverso una mascheratura di frequenza adattiva e un design insegnante-studente.

Migliorare l'efficienza dei modelli nel remote sensing usando tecniche di distillazione della conoscenza.

Questo articolo confronta i Vision Transformers e le CNN per classificare le immagini sonar a scansione laterale.