EfficientNetB3
PulseAugur coverage of EfficientNetB3 — every cluster mentioning EfficientNetB3 across labs, papers, and developer communities, ranked by signal.
-
新的基于图的模型提高了皮肤病变诊断的准确性
研究人员开发了一种新颖的基于图的多元实例学习框架，该框架整合了隐式和显式关系偏差，以提高图像分类性能。该方法以EfficientNetB3基线开始，然后使用卷积掩码自动编码器学习图像块之间的隐式关系。通过将这些学习到的嵌入组织成各种图拓扑结构（例如，基于网格或k近邻结构）来引入显式关系建模。在皮肤病变诊断基准ISIC-2018和ISIC-2019上的实验表明，这种组合方法显著优于基线方法和仅隐式方法，其中基于网格的图注意力网络实现了最…
-
新型Transformer模型增强了带口罩人脸识别能力
研究人员开发了PLGSA-Transformer，一个新颖的人脸识别框架，解决了面部口罩带来的挑战。该系统利用眼周地标引导的空间注意力来聚焦于眼睛和额头周围可见的面部区域，并整合了EfficientNetB3的特征。混合CNN-Transformer架构处理这些特征，而遮挡自适应余弦阈值则根据预测的遮挡严重程度调整匹配分数。该模型表现出高精度，在一个包含遮挡和未遮挡人脸的数据集上实现了97.22%的对验证准确率，优于先前的方法。
-
AI模型利用注意力机制准确分类桃叶损伤
研究人员开发了一种新的深度学习模型用于分类桃叶损伤，在基准数据集上取得了高精度。该模型是增强型EfficientNetB5，集成了卷积块注意力模块（CBAM），准确率达到93.3%。随后应用迁移学习策略使模型适应实际条件，一个增强了注意力的EfficientNetB3在本地数据集上取得了93%的宏F1分数，展示了改进的鲁棒性和泛化能力。