实体
Depthwise separable convolution architectures for plant disease classification
Depthwise separable convolution architectures for plant disease classification
PulseAugur coverage of Depthwise separable convolution architectures for plant disease classification — every cluster mentioning Depthwise separable convolution architectures for plant disease classification across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新方法利用Clifford代数实现实时UHD低光图像增强
一篇研究论文提出了一种新颖的实时超高清低光图像增强网络,利用Clifford代数进行几何特征融合。该方法采用特征金字塔和带有深度可分离卷积的轻量级U-Net进行双分支提取。它引入了空间感知的Clifford代数,在多向量空间中聚合特征,旨在保留纹理并减少伪影。该网络还结合了基于Retinex理论的自适应Gamma和Gain图进行亮度调整,在消费级设备上实现了4K/8K图像的毫秒级推理,并优于现有的最先进模型。
-
EndoUFM框架利用基础模型改进内窥镜深度估计
研究人员开发了EndoUFM,一个新颖的无监督框架,旨在改进内窥镜图像中的深度估计。该方法利用双基础模型来弥合自然图像与手术环境之间的领域差距。该框架采用RVLoRA的自适应微调策略和基于深度可分离卷积的残差块(Res-DSC)来增强局部特征捕获。此外,还实现了掩码引导的平滑度损失,以确保解剖结构内的深度一致性,最终目标是提高手术精度和安全性。