Articoli più recenti per Riconoscimento delle immagini

Uno studio esplora nuovi metodi per i modelli di deep learning per adattarsi ai dati che cambiano.

Uno sguardo a come i MLLM gestiscono i piccoli dettagli nelle immagini.

Nuovi set di dati rivelano difficoltà nell'identificare i corridori e il testo in condizioni fangose.

Un nuovo metodo migliora il riconoscimento delle persone usando dati debolmente etichettati.

Strategie per migliorare le performance del modello nonostante una distribuzione dei dati irregolare.

Questo studio svela cosa sanno gli attaccanti negli attacchi avversariali contro i modelli di riconoscimento delle immagini.

Esaminando i limiti dei grandi modelli visivo-linguistici nella comprensione dettagliata delle immagini.

Esaminando l'autoattenzione e la discesa del gradiente nei modelli transformer.

Un nuovo metodo migliora il focus del modello sulle caratteristiche importanti durante la classificazione delle immagini.

Metodo innovativo semplifica la formazione di modelli per la classificazione di immagini complesse.

Un nuovo metodo migliora il test dei sistemi di implicazione visiva concentrandosi sulle relazioni tra gli oggetti.

Un nuovo framework migliora l'accuratezza e l'efficienza del riconoscimento delle immagini per le entità web.

Affrontare le sfide nel federated learning a causa della diversità di dispositivi e dati.

Un nuovo approccio migliora il riconoscimento per classi poco rappresentate nella visione artificiale.

Un nuovo metodo migliora la scoperta delle categorie combinando informazioni visive e testuali.

Un nuovo metodo migliora l'accuratezza dei nomi nei dataset di segmentazione delle immagini.

Questo articolo esamina come gli attacchi avversari alterano i concetti appresi delle CNN.

Un nuovo metodo migliora l'allineamento immagine-testo riducendo il bias di un solo tag.

Questo articolo esplora come i dati di addestramento influenzano le prestazioni del modello nei sistemi multimodali.

Un nuovo modello leggero migliora il riconoscimento degli obiettivi nelle immagini radar a apertura sintetica.

Un nuovo metodo migliora l'etichettatura dei dati non etichettati nel riconoscimento delle immagini.

MCPNet offre intuizioni più chiare sulle decisioni dei modelli di deep learning tramite estrazione di concetti a più livelli.

Nuovo metodo migliora la classificazione delle immagini con dati minimi usando immagini non etichettate.

Uno studio mette in evidenza quanto CLIP si basi su caratteristiche spurie nel riconoscimento delle immagini.

Un metodo per adattare i modelli di apprendimento automatico senza bisogno dei dati di origine.

Introducendo FiLo: Un nuovo metodo per una rilevazione e localizzazione precisa delle anomalie.

Un nuovo metodo migliora l'accuratezza della classificazione degli oggetti usando più rappresentazioni.

Un nuovo metodo di training migliora la capacità delle reti neurali di valutare l'incertezza.

Scopri come il metodo CPEA migliora la classificazione delle immagini con pochi dati.

Questo studio esplora i pregiudizi nei modelli visione-linguaggio e modi per ridurre il loro impatto.

Le Capsule Networks migliorano il riconoscimento degli oggetti con strutture e metodi di apprendimento unici.

Il framework HDC migliora il riconoscimento degli oggetti usando descrizioni linguistiche nelle immagini.

Un nuovo metodo migliora la percezione delle immagini nei modelli linguistici usando modelli di diffusione.

I VLM faticano con la classificazione delle immagini, ma una migliore integrazione dei dati può migliorare le loro capacità.

Nuovo framework migliora il riconoscimento delle immagini in diversi ambiti usando descrizioni linguistiche.

Presentiamo PART, un metodo per migliorare l'accuratezza e la robustezza dei modelli di machine learning.

Nuovi metodi migliorano il riconoscimento delle immagini per identificare le persone in diversi ambienti.

Un nuovo approccio migliora come l'AI confronta le immagini usando istruzioni visive.

FALCON identifica categorie specifiche usando etichette generali senza bisogno di supervisione dettagliata.

Uno sguardo alle reti neurali, all'incertezza e al loro impatto sulle decisioni dell'IA.