CNN
PulseAugur coverage of CNN — every cluster mentioning CNN across labs, papers, and developer communities, ranked by signal.
- founded by Ted Turner 100%
- subsidiary of Warner Bros. Discovery 100%
- subsidiary of WarnerMedia 100%
- founded Ted Turner 95%
- founded WarnerMedia 90%
- instance of convolutional neural network 90%
- instance of computed tomography 90%
- instance of DenseNet121 90%
- used by ResNet50 90%
- founded Fortune 90%
- instance of generative adversarial network 90%
- instance of Mauritius 90%
24 天有情绪数据
-
CNN与HMM结合实现视频胶囊内镜研究中胃肠道的精确分段
研究人员开发了一种新方法，利用视频胶囊内镜（VCE）图像精确地对胃肠道内的不同区域进行定位。该方法结合了用于图像分类的卷积神经网络（CNN）和用于时间序列分析的隐马尔可夫模型（HMM）。该系统在Rhode Island Gastroenterology数据集上表现出98.04%的准确率，通过连续的时间序列分析有效纠正了CNN分类错误。值得注意的是，该方法仅需要大约100万个参数，使其适用于低功耗设备。
-
新基准测试比较了13种图像对称性评分方法
一篇新的基准测试论文介绍了十三种量化图像镜像对称性的方法，比较了经典方法和深度学习方法。研究发现，深度学习模型在单轴和复杂多轴对称性评分方面通常表现更好。然而，一种经典的定向梯度直方图（HOG）描述符表现出了竞争力，其运行速度明显快于深度方法，并且与一些冻结的深度特征提供了可比的结果。
-
新的无监督方法分割低对比度混凝土XCT图像
研究人员开发了一种新颖的无监督方法，用于分割低对比度混凝土X射线计算机断层扫描（XCT）图像。该方法解决了骨料和砂浆之间X射线衰减系数相似的挑战，这通常会阻碍依赖强度的分割。该技术利用一种自标注过程，将超像素算法与卷积神经网络（CNN）的感受野相结合，以学习图像内的全局-局部关系。与手动标注数据相比，该方法在识别混凝土骨料的灵敏度和精度平衡方面优于简单的灰度阈值处理。
-
新AI框架CoFINN通过嵌入物理学改进流体流动预测
研究人员开发了CoFINN（Conservation Flux Informed Neural Networks），一个新颖的深度学习框架，旨在预测受守恒定律支配的流体流动场。与关注像素相似性的标准CNN不同，CoFINN将有限体积守恒物理学直接整合到其训练过程中。这种方法将CNN输出视为结构化网格，并通过数值通量计算来强制执行守恒，从而提高空气动力学力的预测精度，尤其是在数据稀疏的情况下。该框架在极端攻角下已证明可将阻力预测误差降低高达34%。
-
新的LDFE块提升RGB-IR目标检测性能
研究人员开发了一种名为LDFE（拉普拉斯解耦特征增强）的新块，旨在通过融合RGB和IR图像的特征来改进目标检测。该方法将特征分解为全局和局部组件，然后使用专门的模块（GS2E和LC2E）进行去噪、融合和重建。LDFE块旨在捕捉远程依赖关系和细粒度细节，从而在多个基准数据集上实现显著的性能提升。
-
AI模型在自闭症行为分类中达到高精度
研究人员评估了不同帧率和神经网络架构在从视频中分类自闭症相关自我刺激行为方面的有效性。使用自我刺激行为诊断（SSBD）数据集，长短期记忆（LSTM）和门控循环单元（GRU）模型分别达到了97.5%和98.75%的峰值准确率，最佳采样间隔为每15帧。该研究还探讨了数据增强策略，发现水平翻转是最有效的独立技术，而上采样对于复杂行为视频增强至关重要。这些发现为开发可扩展的计算方法以用于临床环境中的远程行为筛查提供了实用指导。
-
新理论解释了对比学习为何能产生有用的图像表示
研究人员开发了一个理论框架，以理解为何使用简单的图像增强进行对比学习能够为下游任务生成有效的表示。该研究分析计算了各种增强和具有平稳统计数据的各种数据集的最优表示。研究结果表明，某些最优表示可以通过卷积神经网络（CNN）实现，其初始层学习正弦滤波器，然后是逐点非线性、全局平均池化和部分白化线性层。这些正弦权重可以使用基于数据集功率谱的水填充算法来确定，这一现象在实验中得到了经验观察。
-
SAMBA模型凭借新颖的Mamba架构推动SAR目标识别发展
研究人员开发了SAMBA，这是一种新颖的、用于合成孔径雷达（SAR）自动目标识别（ATR）的自监督基础模型。SAMBA采用了具有线性复杂度的Mamba编码器、一种结合了SAR物理先验的散布引导掩码自动编码器（SG-MAE）策略，以及一个用于改进跨区域融合的特征交互模块。该方法解决了Transformer架构的计算需求以及SAR图像中通用掩码策略的局限性。评估表明，SAMBA在各种分类和检测任务上取得了最先进的性能，并且参数量少于现有模型。
-
新型位串行 CNN 加速器提升 XR 视觉效率
研究人员开发了 BitFair，这是一种专为超低功耗扩展现实 (XR) 应用设计的新型位串行 CNN 加速器。该加速器集成了可学习的早期终止和自适应比特排序，以优化性能和能效。BitFair 在 12nm GlobalFoundries FinFET 工艺上实现，可实现亚毫秒级延迟，并且与现有的 XR 视觉加速器相比，能效显著提高，同时在 N-MNIST 和 IBM DVS128 Gesture 等基准数据集上保持高精度。
-
新研究VEIL揭示图表编码会影响视觉模型的偏见
研究人员引入了VEIL，一种研究图表图像中的视觉编码选择如何影响卷积神经网络（CNN）在时间序列分类任务中学习到的表示的方法。研究发现，虽然注意力引导的训练可以在一致检测到敏感性时帮助减轻图表编码带来的偏见，但在其他情况下益处有限。这些发现表明，可视化设计显著地塑造了学习到的表示，将基于图表的时间序列分类视为一个表示和测量问题，而不仅仅是建模问题。
-
新的 MAME 框架直接探索人类同质异像空间
研究人员推出 MAME，一个用于直接探索人类同质异像空间的新型框架。该方法使用由人类感知反馈指导的在线图像生成来适应性地更新参数。对 CNN 模型进行的实验显示，与高层特征相比，从低层 CNN 特征派生的同质异像的人类辨别敏感度较低，这表明早期视觉计算中的对齐较弱。
-
新框架评估合成雾中的无人机检测与跟踪
研究人员开发了一个新的框架，用于评估在雾天条件下无人机（UAV）的检测和跟踪能力。该框架使用从真实图像生成的合成雾来测试各种图像恢复方法及其对目标检测和跟踪性能的影响。研究发现，雾会显著降低检测和跟踪性能，其中包含雾的训练提供了最稳健的改进，而测试时恢复在仅在清晰图像上训练的模型时最有效。研究强调，恢复质量并不总是与下游感知任务的改进直接相关。
-
SpiS-GAN 生成逼真手写体，改进识别系统 · 追踪 2 个来源
研究人员开发了 SpiS-GAN，一个用于合成逼真手写体的新颖框架，以解决训练手写识别系统所需标注数据稀缺的问题。该生成对抗网络在其生成器中使用了星螺旋块（Star-Spiral Blocks）和调制椭圆螺旋全连接层（Modulated Elliptical SpiralFC），使其比以前的基于 MLP 或 CNN 的模型更能追踪复杂草书轨迹。一项关键创新是 Sobel 正则化边缘重建损失（Sobel-Regularized Edge…
-
Smart Scissor 框架在提高精度的同时降低了CNN的成本
研究人员开发了“Smart Scissor”，一个旨在提高卷积神经网络（CNN）在嵌入式硬件上效率的新框架。该方法通过动态裁剪前景对象来解决图像中的空间冗余，保留了简单分辨率缩放可能丢失的关键细节。此外，它通过压缩深度、宽度和分辨率的复合收缩策略来解决CNN中的计算冗余。实验表明，Smart Scissor 将 ResNet50 的计算成本降低了 41.5%，同时将准确率提高了 0.3%，优于最先进的 HRank 框架。
-
新研究发现：视觉模型无法验证物理因果关系
一篇题为《几何崩溃：视觉模型何时无法验证物理因果关系》的新研究论文介绍了一种受控的反事实方法，称为 Scrambled Edges。该方法将类似边缘的线索注入视觉数据，同时违反物理合理性，例如表面连续性和遮挡顺序。在 NYU Depth v2 和 KITTI 等数据集上，对包括 CNN 和 ViT 在内的各种深度预测器进行的实验表明，与噪声相比，Scrambled Edges 导致与干净预测的偏差显著更大。研究表明，当前的密集预测器难…
-
新的MSA-DCNN框架以数据效率提升医学图像分类性能
研究人员开发了MSA-DCNN，一个新颖的深度学习框架，旨在改进医学图像分类，特别是在数据有限和图像尺度多样的场景下。该框架集成了自适应多尺度采样、精炼显著性检测、学习到的跨尺度融合和自蒸馏，以解决现有方法的局限性。在多个基准和白血病数据集上的评估表明，MSA-DCNN的性能优于各种ViT和CNN基线模型，即使在分布偏移和标签稀缺的情况下，同时使用的参数也更少。
-
新的基准和数据集推动音频、图像和视频的深度伪造检测
研究人员推出了几个新的数据集和基准，旨在改进跨各种媒体的深度伪造检测。Echoes 专注于音乐深度伪造，强调语义对齐和提供商多样性，以创建更强大的检测模型。VendorBench-100 提供了一个统一的框架，用于评估商业 API、视觉语言模型和开源检测器中的深度伪造图像检测，突出了性能差异和指标分歧。HumanForge 采用以人为中心的方法来检测深度伪造视频，使用多代理管道进行注释，并专注于人与物体以及人与人之间的交互。此外，…
-
新数据集和检测器针对AI生成的CT图像
研究人员推出CTForensics，这是一个旨在识别AI生成的计算机断层扫描（CT）图像的新数据集和检测方法。该数据集包含75,990张2D CT图像，其中包括来自十种不同生成模型的29,990张图像的特定测试集。为应对检测这些合成图像的挑战，该团队还开发了增强型时频CT伪造检测器（ESF-CTFD），这是一个卷积神经网络（CNN）框架，集成了小波增强中心茎、多尺度空间聚合和频率感知预测块。实验表明，ESF-CTFD取得了高精度，优于…
-
E-TraMamba：基于Mamba的新框架，用于事件相机的三维特征跟踪
研究人员推出了E-TraMamba，一个专为使用事件相机进行高效长期三维特征跟踪而设计的新颖框架。这种基于Mamba的方法通过采用线性状态空间模型来处理长期依赖关系，并采用轻量级仿射变换预测器来提高稳定性，从而解决了当前CNN和Transformer模型在处理稀疏、嘈杂的事件数据方面的局限性。为了便于训练和评估，创建了一个名为EvD-PointOdyssey的大规模合成数据集。实验表明，E-TraMamba的性能显著优于现有方法，在保…
-
新的混合CNN-ViT框架提高了恶意软件分类的准确性
研究人员开发了ThreatVisionAI，一个用于通过基于图像的分析对恶意软件家族进行分类的新型混合框架。该系统结合了卷积神经网络（CNN）和视觉Transformer（ViT），以提取全面的特征集，包括空间、频域和全局关系信息。该框架在Malimg数据集上表现出色，准确率达到98.01%，加权F1分数达到0.9742，在区分视觉上相似或少数恶意软件家族方面尤其有效。