实体
EVA-02
EVA-02
PulseAugur coverage of EVA-02 — every cluster mentioning EVA-02 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
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 3 条
-
预训练和蒸馏在细胞分类中优于架构选择
一篇新发表在arXiv上的研究调查了不同深度学习架构在无标签单细胞分类中的有效性。研究发现，预训练和微调策略比架构选择（如CNN与Vision Transformers (ViTs)）更关键。具体来说，预训练模型即使参数更少，也显著优于从头开始训练的模型。研究还强调，知识蒸馏可以为实际部署带来更高效、性能更好的紧凑型模型。
-
新的VGTok分词器提高了高分辨率目标检测的准确性
研究人员开发了VGTok，这是一种新颖的分词器，旨在提高计算机视觉任务中高分辨率目标检测的性能，尤其是在航空影像方面。与使用统一分词网格的传统方法不同，VGTok根据图像区域动态设置斑块粒度，从而优化小目标检测。这种方法显著降低了计算和内存需求，同时在VisDrone和AI-TOD-v2等基准测试中取得了最先进的成果。
-
Transformer 与 CNN：结直肠组织学分类基准测试
一项新近发表在 arXiv 上的研究比较了卷积神经网络 (CNN)、基于 Transformer 的模型以及混合架构在结直肠组织学图像分类中的性能。该研究使用 Kather 数据集评估了十二种不同的模型，发现所有模型都达到了高准确率，其中基于 Transformer 的架构通常表现出最强的结果。虽然像 EVA-02 和 ViT-B/16 这样的基于 Transformer 的模型表现最佳，但像 ResNet34 和 ConvNeXt-…