Artigos mais recentes para Aprendizado Profundo

Novo método melhora agrupamento para grandes conjuntos de dados usando Quantização Estocástica.

Apresentando o S-STE, uma nova forma de melhorar a eficiência do treino de redes neurais esparsas.

Um novo método melhora a segmentação de imagens médicas reduzindo a perda de informações.

Um novo método oferece soluções eficientes para equações integrais usando redes neurais.

Explore amostragem adaptativa pra uma performance melhor de redes neurais com dados simétricos.

Um novo método prevê o desempenho de DNN em diferentes hardwares de forma rápida e precisa.

Um novo método melhora a transferência de características em representações neurais implícitas para imagens.

Descubra como o AMRF melhora a segmentação de imagens em aplicações industriais.

O AMBER supera as CNNs na classificação de imagens hiperespectrais, mostrando uma precisão melhorada.

Aprenda como o deep learning tá mudando nossa compreensão sobre o comportamento das proteínas.

Novo método aumenta a precisão na detecção de pólipos durante procedimentos de colonoscopia.

KAT melhora o deep learning usando KANs avançados pra substituir MLPs.

Esse trampo melhora a precisão do CLIP resolvendo a sobreposição intra-modal com adaptadores leves.

Apresentando o ComFNO, um método pra lidar com equações diferenciais complexas usando deep learning.

O WaveMixSR-V2 transforma imagens de baixa resolução em saídas de alta qualidade de forma eficiente.

Apresentando o PAD-FT, um método leve pra combater ataques de backdoor sem precisar de dados limpos.

AdEMAMix melhora a eficiência do treinamento equilibrando gradientes recentes e antigos.

StableMamba melhora o processamento de imagens e vídeos com mais resistência e performance.

Este estudo avalia métodos de baixa latência para melhorar a qualidade do áudio em condições barulhentas.

Um estudo sobre como a dívida técnica afeta projetos de deep learning.

O Pool Skip ajuda redes profundas lidando com singularidades de eliminação durante o treinamento.

Um novo método melhora a limpeza de dados para ferramentas de mapeamento subaquático.

O FDIN melhora a detecção de inpainting em vídeos usando técnicas avançadas.

Apresentando o PureDiffusion pra melhorar as defesas contra ameaças de backdoor.

Um modelo multi-domínio melhora a segmentação de axônios e mielina em imagens diversas.

GCC-UNet melhora a segmentação dos vasos da retina pra um diagnóstico de doenças mais preciso.

Esse estudo analisa o desempenho das KANs em aprendizado contínuo usando o conjunto de dados MNIST.

Dois modelos preveem os níveis de água subterrânea com mais precisão analisando dados do clima.

Um novo método para remoção de ruído em vídeos que melhora a qualidade sem precisar de conjuntos de dados pareados.

Um novo método melhora a segmentação dos vasos do fígado em imagens médicas.

Pesquisadores melhoram a segmentação de tumores em imagens de PET/CT usando métodos automatizados.

Estudando a segmentação da área glotal pra melhorar a análise de imagens médicas.

A mistura de regiões aumenta a diversidade dos dados de treino pra melhorar o desempenho do modelo.

Um novo modelo melhora a segmentação de tumores em exames de PET/CT para diagnóstico de câncer.

Um novo método melhora o monitoramento de peças metálicas durante o LPBF usando aprendizado profundo para aprimorar imagens.

Essa abordagem melhora a eficiência e a precisão na análise de dados de vários dispositivos.

Um novo método que combina modelos pra melhorar a adaptação de domínio não supervisionada em tarefas de segmentação.

AXE melhora o desempenho do modelo enquanto minimiza o estouro na quantização consciente do acumulador.

Uma nova abordagem para visualização e entendimento mais claros dos modelos de deep learning.

Esse estudo compara algoritmos DG pra lidar com a mudança de domínio na análise de imagens médicas.