Artigos mais recentes para CNNs

Estudo usa modelos avançados pra identificar lentes fortes de galáxia-galáxia.

Pesquisadores usam aprendizado de máquina pra entender melhor as transições de fase em materiais.

Uma olhada nos métodos usados para prever o aumento de eventos de ondas de calor.

Um foco na confiabilidade de sistemas de IA para comunicações 6G seguras.

Um novo modelo melhora a precisão do mapeamento do uso da terra com dados limitados.

Descubra o impacto das ativações lineares por partes nos modelos de deep learning.

A pesquisa usa a tecnologia de CNN pra classificar as fases de divisão celular em C. elegans e espécies relacionadas.

O Módulo de Convolução Espacial em Escala Cruzada melhora a eficiência em modelos de reconhecimento de imagem.

Este estudo explora o uso das formas das orelhas para classificar gênero.

Um novo método aumenta a robustez das CNNs Mixture of Experts contra entradas adversariais.

Este artigo fala sobre como os robôs conseguem identificar parceiros de conversa usando pistas visuais.

Um novo método melhora a detecção de mudanças ambientais usando imagens de sensoriamento remoto.

Explorando novos métodos pra melhorar a precisão no diagnóstico do câncer de pele.

AMaizeD ajuda os fazendeiros a identificar doenças do milho cedo usando imagens de drones.

SaEnet melhora o desempenho da CNN ao focar em características essenciais nas imagens.

Aprenda como as CNNs ajudam a limpar imagens com ruído de forma eficaz.

Esse estudo avalia a confiabilidade das CNNs na análise de RM de cérebro.

Este estudo apresenta métodos para reconhecimento de pedestres em tempo real usando poder de processamento limitado.

A tecnologia RRAM melhora a velocidade e eficiência das redes neurais convolucionais.

Uma nova abordagem pra melhorar a segurança contra tráfego web prejudicial.

Um novo modelo melhora a precisão das previsões para organelas na microscopia de luz transmitida.

Modelos inovadores de deep learning melhoram a detecção e resposta a ataques DDoS.

Um novo método melhora a convolução de imagens sem preenchimento, aumentando a qualidade e a eficiência.

O CATS v2 melhora a precisão na segmentação de imagens médicas usando abordagens híbridas.

O novo modelo SAMUS melhora a segmentação de imagens de ultrassom para uma precisão clínica melhorada.

Uma nova abordagem melhora a análise de fMRI para um diagnóstico melhor de distúrbios cerebrais.

Esse estudo analisa métodos pra melhorar a manutenção preditiva com a análise de dados de sensores.

RingMo-lite melhora a análise de imagens de sensoriamento remoto com eficiência e precisão.

Um novo método melhora o diagnóstico de câncer ao integrar sinais de causalidade fraca na imagem médica.

Essa técnica simplifica a criação de modelos CAD usando só fotos.

Novos modelos melhoram a precisão da classificação de áudio e a resistência contra barulho e ataques.

Estudo revela o design de rede ideal para análise de ECG usando CNNs.

Melhorando a identificação de drones com sinais de RF e técnicas de aprendizado de máquina.

DeepBEAS3D melhora a segmentação de imagens médicas através da interação do usuário e aprendizado profundo.

Métodos de previsão melhorados aumentam a gestão de energia e a confiabilidade.

ConvFormer melhora a precisão da segmentação em imagens médicas ao combinar CNNs e transformers.

Aprendizado profundo melhora a precisão na detecção de pólipos de câncer colorretal.

NISF melhora a segmentação da forma anatômica em imagens médicas com mais precisão.

A HEANA acelera tarefas de CNN com mais rapidez e eficiência energética.

Esse estudo usa aprendizado de máquina pra prever a dinâmica das chamas de forma eficaz.