EfficientNet-B7
PulseAugur coverage of EfficientNet-B7 — every cluster mentioning EfficientNet-B7 across labs, papers, and developer communities, ranked by signal.
1 天有情绪数据
-
无人机音频分类：方法扩展胜过模型扩展
一篇新的研究论文探讨了在无人机（UAV）上进行音频分类时，模型大小与微调方法之间的权衡。研究发现，参数高效微调（PEFT）方法，特别是对EfficientNet-B7等大型模型进行选择性batch-norm调整，在更新极少部分参数的情况下达到了高精度。对于这项特定任务，轻量级卷积神经网络在准确性和效率方面普遍优于Transformer，这表明在数据稀缺的情况下，对于无人机音频分类而言，优化微调方法比简单地扩展模型架构更为关键。
-
深度学习方法提高了卵巢超声分类的准确性
研究人员开发了一种病灶引导的感兴趣区域（ROI）深度学习方法，用于卵巢超声分类，在减少标注工作量的同时实现了高准确性。该方法在MMOTU和OUD两个数据集上进行了评估，使用了各种深度学习架构和传统机器学习分类器。病灶引导的ROI策略，特别是与MaxViT-Tiny模型结合使用时，表现出卓越的性能，在MMOTU上准确率为93.10%，在OUD上准确率为97.56%。
-
AI模型通过新的学习框架推动超声分割发展
研究人员开发了用于医学图像分割的新型多任务学习框架，重点关注乳腺和甲状腺超声数据。第一种方法利用符合BI-RADS的形态学先验，通过将病灶特征整合到学习过程中，改进了分割和恶性肿瘤分类。第二个框架UCBound-Net通过利用不确定性引导的边界蒸馏来解决持续学习的挑战，以减轻模型适应新解剖学领域时灾难性遗忘的问题。
-
研究人员在皮肤镜模型中发现概念不一致性，影响准确性。
研究人员在 Derm7pt 皮肤镜数据集中发现了显著的概念层面不一致性，这限制了概念瓶颈模型 (CBMs) 的准确性。通过应用粗糙集理论，他们发现 16.4% 的概念配置文件与冲突的诊断相关联，理论上将 CBM 的准确性上限设定在 92.1%。该研究还提出了一个经过筛选的一致性子集 Derm7pt+，证明了在各种骨干架构下 CBM 性能的提高。