Articoli più recenti per CNNs

I ricercatori usano il deep learning per notare le differenze tra gli uccelli maschi e femmine.

LiPCoT trasforma i dati delle serie temporali per le applicazioni dei modelli linguistici.

Questo articolo parla di come usare il machine learning per migliorare la qualità delle immagini nelle TC.

Utilizzare il deep learning per migliorare la diagnosi precoce del carcinoma squamoso orale.

BBATProt usa il deep learning per migliorare l'accuratezza nella previsione della funzione delle proteine.

Questo articolo esamina i progressi nel tracciamento oculare usando tecniche di EEG e deep learning.

Nuovo modello migliora l'accuratezza nella segmentazione delle lesioni cutanee per la rilevazione precoce del cancro.

Il nuovo modello migliora notevolmente l'accuratezza nella classificazione delle immagini del cancro cervicale.

Semplifica il tuo deployment di CNN usando la tecnologia FPGA per migliori prestazioni.

Scopri come EUIS-Net migliora la segmentazione delle immagini ecografiche al seno per una migliore rilevazione del cancro.

Un nuovo dataset punta a migliorare il riconoscimento della Lingua dei Segni Bangla usando tecnologie avanzate.

I metodi di intelligenza artificiale stanno cambiando il modo in cui gli scienziati prevedono le proprietà molecolari per diverse applicazioni.

Una panoramica dei ricchi dialetti del Tamil e dei metodi di identificazione.

Esplorare l'impatto dei modelli transformer nella creazione di referti radiologici.

I modelli di deep learning come U-Net stanno rivoluzionando la segmentazione delle cellule nelle immagini di microscopia.

I sistemi di intelligenza artificiale migliorano l'accuratezza delle mammografie e la fiducia grazie a tecniche di interpretabilità efficaci.

Un nuovo dataset migliora l'imaging sonar per il riconoscimento di oggetti sottomarini.

Presentiamo LoG-VMamba per una segmentazione migliorata delle immagini mediche.

ResEmoteNet migliora il modo in cui le macchine leggono le espressioni facciali per diverse applicazioni.

Esaminando come il deep learning migliora la precisione delle previsioni sismiche.

Presentiamo LSSF-Net, un modello leggero per una segmentazione precisa delle lesioni cutanee.

TBConvL-Net migliora precisione ed efficienza nella segmentazione delle immagini mediche.

K-Origins migliora la valutazione del colore nelle reti neurali per un'analisi delle immagini più precisa.

Nuovo insieme di dati e modello migliorano il riconoscimento degli oggetti negli ambienti interni.

MobileUNETR offre un rilevamento del cancro della pelle migliorato grazie a un'advanced segmentazione delle immagini.

Questo progetto esplora metodi di intelligenza artificiale per una classificazione dei rifiuti più efficiente.

Nuovo metodo migliora la modellazione del flusso dei fluidi con misurazioni limitate e rumorose.

Un metodo che migliora la rete neurale convoluzionale concentrandosi sulle aree chiave dell'immagine per prendere decisioni migliori.

Il progetto GRAND si concentra sul rilevamento di piogge d'aria da neutrini ad alta energia usando griglie autonome.

Esplorando metodi per migliorare la qualità delle immagini influenzate dalla turbolenza atmosferica.

Un nuovo metodo per addestrare le CNN direttamente su dispositivi mobili e edge.

Un nuovo sistema migliora l'accuratezza dell'imaging ecografico durante il monitoraggio del travaglio.

Un metodo pratico per individuare la violenza negli spazi pubblici usando un'analisi video avanzata.

Un sistema che usa il deep learning per rilevare atti violenti nei video.

Un nuovo metodo CNN migliora la separazione del rumore di ground-roll nell'elaborazione dei dati sismici.

Uno sguardo all'efficienza dell'allenamento nelle CNN e BCNN usando MNIST e CIFAR-10.

Una nuova architettura di machine learning migliora l'analisi delle immagini iperspettrali e la classificazione dei materiali.

Esplorando tecniche di deep learning per l'analisi di dati di serie temporali continui.

Uno studio rivela il potenziale di ridurre i dati sugli eventi per una maggiore efficienza.

Un nuovo metodo migliora la chiarezza e il riconoscimento delle immagini in ambienti rumorosi.