ConvNeXt-Base
PulseAugur coverage of ConvNeXt-Base — every cluster mentioning ConvNeXt-Base across labs, papers, and developer communities, ranked by signal.
3 天有情绪数据
-
新型AI模型检测隐形眼镜以提高虹膜识别精度
研究人员开发了一种新颖的两阶段框架来检测隐形眼镜，这会影响虹膜识别的准确性。该系统首先使用现有方法识别有图案的镜片，然后采用带有掩码引导空间注意力的ConvNeXt-Base模型来区分隐形眼镜和无镜片的情况。这种方法结合了生理结构掩码和注意力机制，在多个数据集上实现了高精度，并且在与分数校准集成时可以提高虹膜验证性能。
-
ASTRA-Net 模型在标注数据有限的情况下改进了 DISE 分割
研究人员开发了 ASTRA-Net，一个专为药物诱导睡眠内窥镜 (DISE) 图像分割设计的新颖系统，尤其适用于真实标注数据稀缺的情况。该系统采用两阶段方法：首先，使用 ConvNeXt-Base 将来自大量未标记虚拟内窥镜帧的大型数据集的中间表示与真实的 DISE 帧对齐。其次，在有限的 401 个真实标注帧上微调四个独立的 UNet++ 解码器。该方法在保留的评估集上实现了 0.8927 的平均 Dice 分数和 0.8239 的…
-
深度学习模型从CT扫描中估算性别、年龄、身高和体重
研究人员开发了一种深度学习模型，能够从CT扫描中估算成年人的性别、年龄、身高和体重。该模型结合了ConvNeXt-Base、ViT-Base/16和MaxViT-Base架构，在性别分类方面取得了高精度，在年龄、身高和体重方面实现了低平均绝对误差。这项研究涉及日本超过128,000次CT检查，表明从估算值计算出的体表面积可以重现真实测量值所观察到的趋势，这表明其在医学分析中具有潜在应用。
-
新的ERN-Net通过演进式推理节点改进文档二值化
研究人员开发了ERN-Net，一种用于文档二值化的新方法，能够更好地处理退化的图像区域。该方法利用演进式推理节点和多尺度推理来增强模糊笔画、断裂字符和嘈杂背景。实验表明，ConvNeXt-Tiny在准确性和内存效率之间取得了良好的平衡，并且在DIBCO数据集上进行预训练可以在极短的额外训练时间内提升性能。