PulseAugur
中
实时 20:32:10
实体 MobileNet

MobileNet

PulseAugur coverage of MobileNet — every cluster mentioning MobileNet across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
6
90 天内 16
发布 · 30天
0
90 天内 0
论文 · 30天
5
90 天内 14
层级分布 · 90 天
主题
关系
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/1 页 · 共 16 条
  1. TOOL · CL_368319 ·

    新的基准测试AI远距离人脸检测

    研究人员开发了一个新的远距离视频呈现攻击检测(PAD)系统基准,解决了当前系统假设近距离主体捕获的局限性。该基准包含来自261个身份的超过374,000帧,使用DSLR和移动传感器在各种条件下以1至100米的距离捕获。对四种CNN架构进行了微调和评估,结果显示,虽然高分辨率DSLR相机保持了性能,但移动传感器在50米以外会显著下降。EfficientNet在98.48%的准确率下表现最佳,证明了其对未见攻击数据集的稳健泛化能力。

  2. TOOL · CL_333038 ·

    AI模型在资源受限环境下进行物联网DDoS检测的评估

    一项新的研究论文评估了在资源受限的物联网(IoT)环境中检测分布式拒绝服务(DDoS)攻击的几种预训练卷积神经网络架构。该研究使用CICDDoS2019数据集和基于图像的流量表示,根据准确性、可靠性、计算成本和可解释性评估了模型。DenseNet和MobileNet架构表现出强大的性能和可靠性,其中MobileNet显示出高准确性,而DenseNet169提供了卓越的定性可解释性。

  3. TOOL · CL_327277 ·

    新型防御“组合锁”应对多触发器AI后门攻击

    研究人员开发了一种名为“组合锁”(Combinatorial Lock)的新型防御机制,以对抗AI引擎中的多触发器后门攻击。这种无需训练的方法将识别多个异构攻击触发器视为一个组合问题,利用二元激活签名。该系统集成了异常门控光谱擦除和哈希压缩组合签名,在保持高干净准确率的同时,显著降低了攻击成功率,并适用于各种模型架构。

  4. TOOL · CL_327002 ·

    新型CNN模型提供轻量级、可解释的皮肤癌检测

    研究人员开发了一种新的轻量级、基于注意力机制的卷积神经网络(CNN),用于皮肤癌的早期检测。该模型命名为CNN-Attention,集成了通道注意力机制,可以在保持计算量小的前提下,精确定位皮肤镜图像中的关键区域。在对超过3300张图像的数据集进行的测试中,该模型达到了87%的准确率,与MobileNet等成熟模型相当,但参数量和存储空间显著减少。该框架还集成了显著性图谱以提高可解释性,能够可视化模型诊断决策所依据的图像区域。

  5. TOOL · CL_303649 ·

    边缘AI系统DefoliationCAM实时评估葡萄藤虫害损失

    研究人员开发了DefoliationCAM (D-CAM),一个用于实时评估葡萄藤虫害落叶严重程度的边缘AI系统。该系统利用YOLOX-Nano模型进行枝条定位,并使用轻量级的MobileNet分类器对田间收集的图像进行损害等级分类。D-CAM将斑块预测汇总为非线性全局落叶严重程度 (NGDS) 分数,该分数已通过专家评分进行了验证,并与既定的害虫管理阈值一致。该系统采用自主部署和太阳能供电,证明了其在远程监测和及时害虫管理决策方面的可行性。

  6. RESEARCH · CL_301186 ·

    CNN在埃塞俄比亚和巴西的植物病害检测方面展现出潜力

    研究人员正在探索使用卷积神经网络(CNN)来检测不同植物物种的农业病害。一项研究开发了一种轻量级CNN,用于识别埃塞俄比亚的马铃薯叶部病害,在田间数据集上取得了高精度,并与VGG16和MobileNetV2等大型模型相比,展示了计算效率。另一项研究评估了包括AlexNet、LeNet-5、VGG16和MobileNet在内的各种CNN架构,用于检测巴西佩奇树的枝枯病,发现MobileNet等更紧凑的模型更稳定有效。

  7. RESEARCH · CL_275420 ·

    新研究通过轨迹感知和移动优化解决注视点估计问题

    两篇新研究论文解决了注视点估计问题,这项技术对于驾驶员监控和人机交互等应用至关重要。第一篇论文介绍了EyeTAG框架,该框架将注视轨迹作为一个显式变量,通过减少抖动和扫视偏差来提高准确性。第二篇论文提出了UniGaze-H,一个专为移动设备上实时注视点跟踪设计的轻量级模型,它通过数据增强和多任务学习来增强非约束场景下的泛化能力。

  8. TOOL · CL_247908 ·

    CNNs在不同图像类型的黑色素瘤检测中进行比较

    一篇新的研究论文评估了几种预训练卷积神经网络(CNNs)在黑色素瘤检测中的有效性,使用了皮肤镜图像和组织病理学图像。该研究利用了HAM10000、ISIC-2018和CR-AI4SkIN等数据集,比较了包括ResNet50、VGG16、VGG19、MobileNet和InceptionV3在内的架构。结果表明,ResNet50在皮肤镜图像上表现最佳,在HAM10000数据集上准确率为84%,在CR-AI4SkIN数据集的组织病理学图像…

  9. TOOL · CL_220638 ·

    AI 模型现在使用 ONNX Runtime Web 直接在浏览器中运行

    ONNX Runtime Web 使得背景移除和特征提取等复杂的 AI 任务可以直接在网页浏览器中执行。这种客户端处理消除了对强大后端服务器的需求,降低了与将敏感数据发送到云端相关的延迟、带宽消耗和隐私担忧。该架构利用 ONNX 实现模型互操作性,利用 ONNX Runtime Web 作为编译为 WebAssembly 的执行引擎,并利用 WebGL 和 WebGPU 等浏览器硬件加速 API 进行高效计算。

  10. TOOL · CL_198244 ·

    VGG16在十种CNN中引领MRI扫描阿尔茨海默病检测

    研究人员对十种不同的卷积神经网络(CNN)架构进行了基准测试,用于从单视图MRI扫描中检测阿尔茨海默病。该研究在OASIS数据集的一个子集上使用了迁移学习和微调流程,该子集包含来自86,437次扫描的3,900张图像。VGG16取得了最高的验证准确率0.9637和测试准确率0.9533。所有测试架构都面临一个持续的挑战,即区分非痴呆和非常轻度痴呆阶段。

  11. TOOL · CL_169881 ·

    研究发现:面部表情识别模型存在显著偏见

    一项发表在arXiv上的新研究审视了面部表情识别(FER)数据集和模型中的偏见,发现分析的四个常用数据集均存在显著的人口统计学偏见,尤其是在种族方面。研究还评估了七种深度学习模型,结果显示,尽管像ViT和CLIP这样的Transformer模型通常能达到高精度,但它们也表现出最大的偏见。相反,像ResNet和XceptionNet这样的基于残差的CNN架构则显示出较低的偏见水平。研究结果强调,高精度并不等同于公平性,解决偏见需要同时兼…

  12. RESEARCH · CL_129005 ·

    新方法改进鱼眼相机深度估计 · 跟踪到2个来源

    研究人员开发了新的方法来改进鱼眼相机的深度估计。一种方法,“校准令牌”,通过对齐潜在嵌入来适应现有的基础单目深度估计器以用于鱼眼图像,而无需重新训练。另一种方法 OmniDS 使用双流上下文融合技术和迭代细化来处理全向相机设备固有的可见性冲突。这两种方法都旨在提高鱼眼相机系统深度估计的准确性和适用性。

  13. TOOL · CL_93774 ·

    新的FEnc2框架提升私有AI推理效率

    研究人员开发了FEnc$^2$,这是一个旨在显著提高使用全同态加密(FHE)进行私有推理效率的新框架。该方法通过同时考虑卷积运算和网络架构来统一数据打包,以优化密文利用率并减少计算开销。在常见的图像识别任务中,FEnc$^2$在GPU上实现了高达228倍的端到端延迟缩减,在CPU上实现了高达226倍的延迟缩减。

  14. TOOL · CL_58990 ·

    新算法连接独立训练的神经网络模式

    研究人员开发了一种新颖的经验算法,可以在独立训练的神经网络模型之间建立连续的低损耗路径,这种现象被称为模式连接。这种新方法比以前的技术具有更广泛的适用性,成功连接了包括MobileNet、EfficientNet和Compact Convolutional Transformers (CCT)在内的更广泛的架构。该算法还提供了更一致的连接路径,并支持链接使用不同超参数训练的模式。

  15. TOOL · CL_44708 ·

    深度学习模型在COVID-19图像分类中达到98%的准确率

    研究人员对用于从CT和X射线肺部影像中分类COVID-19的各种深度学习架构进行了综合比较。该研究使用了包括VGG、Densenet、Resnet、MobileNet、Xception、EfficientNet和NasNet在内的预训练模型。结果表明,Resnet和VGG架构在区分COVID-19阳性病例与健康肺部方面达到了95%至98%的高准确率,优于以往的文献发现。

  16. RESEARCH · CL_04957 ·

    H-Sets 框架揭示图像分类器中的特征交互

    研究人员开发了 H-Sets,一个旨在揭示和归因图像分类器中高阶特征交互的新框架。该方法超越了对单个特征的分析,以理解特征组如何共同影响模型的输出。H-Sets 利用输入 Hessian 来检测交互特征对,然后将它们合并成连贯的集合,并采用集成方向梯度(Integrated Directional Gradients)的集合级扩展进行归因。在各种模型和数据集上的评估表明,与现有技术相比,H-Sets 产生的显著性图更具可解释性和忠实性。