2D-CNN Architecture for Accurate Classification of COVID-19 Related Pneumonia on X-Ray Images
PulseAugur coverage of 2D-CNN Architecture for Accurate Classification of COVID-19 Related Pneumonia on X-Ray Images — every cluster mentioning 2D-CNN Architecture for Accurate Classification of COVID-19 Related Pneumonia on X-Ray Images across labs, papers, and developer communities, ranked by signal.
-
新的HMD框架提供高效高光谱图像分类
研究人员开发了一种名为整体多变量分解（HMD）的新框架，用于高光谱图像分类。这种新颖的方法旨在通过捕获复杂时空光谱相互依赖性来提高准确性和效率，而无需传统卷积神经网络（CNN）的高计算成本。HMD框架，包括其HMD-0、HMD-1和HMD-2变体，被设计为一个可微分的神经网络层，可以进行端到端优化。在基准数据集上的评估表明，HMD层在性能上优于Tucker和Tensor Train等经典张量分解方法，同时在参数数量显著减少的情况下，提…
-
新型混合深度学习模型增强射频调制识别能力
研究人员开发了一种新颖的不确定性驱动混合深度学习架构，用于射频（RF）调制识别。该系统结合了来自FFT预处理的光谱信息和来自STFT频谱图的时频特征。它采用2D CNN进行快速初步分类，使用MC Dropout进行贝叶斯不确定性估计，并在置信度低时使用BiLSTM进行二次决策。该方法在推理时间为0.138毫秒的情况下达到了83.3%的准确率，优于传统方法，尤其是在区分基于FSK的调制方面。
-
新框架通过遮挡识别和重建增强虹膜识别能力
研究人员开发了一个新的虹膜识别框架，旨在提高虹膜被部分遮挡时的准确性。该系统首先使用2D CNN识别遮挡类型，如眼睑或睫毛。然后，它采用扩散模型，根据识别出的遮挡类型重建被遮挡区域。最后，使用修改后的VGG19网络从恢复的虹膜图像中提取特征进行识别，在CASIA-Iris-Thousand数据集上表现出改进的性能。