Artigos mais recentes para Aprendizado Profundo

Apresentando o xAI-CycleGAN para transformações de estilo de imagem mais rápidas e de alta qualidade.

ViG-UNet combina redes neurais de grafos e U-Net pra melhorar a análise de imagens médicas.

Uma nova abordagem para treinar modelos para lidar melhor com imagens médicas ocluídas.

Novo método de deformação de malha profunda melhora a precisão na segmentação de órgãos abdominais.

Analisa o impacto do desequilíbrio entre fundo e primeiro plano no desempenho de detecção de objetos.

Um estudo sobre as dependências dos pacotes TensorFlow e PyTorch no ecossistema PyPI.

ReDy otimiza a eficiência do deep learning através da quantização dinâmica, reduzindo o consumo de energia.

Uma nova estrutura reduz os custos de rotulagem manual na segmentação de imagens de alimentos.

Uma olhada profunda na perda contrastiva supervisionada e seu impacto em redes neurais profundas.

Uma nova técnica ajuda redes neurais a lidar com deslocamentos e rotações de imagens.

ResUNetFormer melhora a extração de estradas de imagens aéreas, enfrentando desafios importantes.

Pesquisas mostram como nosso cérebro acompanha as características da fala durante a compreensão.

Um novo modelo melhora a eficiência e a precisão da segmentação de imagens do cérebro.

Um novo método de defesa enfrenta ataques adversariais na detecção de objetos em imagens de sensoriamento remoto.

Uma nova análise explora o papel da esparsidade em melhorar a generalização das redes neurais.

Um jeito de encontrar e consertar erros na conversão de modelos DNN.

Avanços em deep learning melhoram como a gente reconstrói imagens a partir dos sinais do cérebro.

Um novo método melhora como os computadores processam imagens imperfeitas.

O Rockmate automatiza a otimização de memória pra treinar modelos grandes de deep learning de forma eficiente.

Um novo método reduz os custos de memória para otimizadores avançados em aprendizado de máquina.

Um olhar sobre as habilidades de classificação e a eficiência de design do ConvResNeXt.

Uma visão geral da Busca por Arquitetura Neural e seu papel no aprendizado profundo.

Este estudo avalia como os LLMs reconhecem e relacionam formas geométricas.

Uma técnica inovadora combina aprendizado profundo e física pra imagens mais rápidas.

Um novo método melhora a eficiência do treinamento para redes em dispositivos com poucos recursos.

Explore a importância das funções de perda e métricas de desempenho em modelos de deep learning.

O MSViT melhora o processamento de imagem ajustando os tamanhos dos tokens pra mais eficiência.

Novo método de halftoning restaura as cores originais enquanto melhora a qualidade da imagem.

Explorando o momento de Nesterov para treinar redes neurais profundas de forma eficaz.

Este artigo explora semianéis para melhorar a análise de gradientes em modelos de deep learning.

Esse artigo revisa a aplicação de modelos de base na segmentação de imagens.

Os LDMs melhoram a detecção de out-of-distribution em imagens médicas 3D.

Aprenda como a normalização em lote melhora a velocidade de treinamento e o desempenho do modelo.

VariGrad melhora a criação de vetores de características a partir de dados geométricos para uma análise de formas mais eficiente.

Um novo método usando Redes Neurais Gráficas melhora a análise de Números Romanos na música.

Pesquisa explora a eficácia do transfer learning em conjuntos de dados LiDAR para arqueologia.

Uma nova abordagem melhora muito a qualidade das imagens subaquáticas.

Novo framework equilibra eficiência de deep learning e emissões de carbono.

Saiba mais sobre Treinamento Esparso Dinâmico e seus benefícios para a eficiência de redes neurais.

Um novo método reduz o esforço de rotulação na classificação de vídeos usando técnicas de aprendizado ativo.