PulseAugur
中
实时 12:07:12
实体 MobileNetV2

MobileNetV2

PulseAugur coverage of MobileNetV2 — every cluster mentioning MobileNetV2 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
12
90 天内 52
发布 · 30天
0
90 天内 0
论文 · 30天
11
90 天内 51
层级分布 · 90 天
主题
关系
情绪 · 30 天

3 天有情绪数据

最近 · 第 1/3 页 · 共 58 条
  1. TOOL · CL_342397 ·

    联邦学习系统FedXCrop增强了作物病害检测的隐私保护

    研究人员开发了FedXCrop,一个专为隐私保护作物病害检测设计的联邦学习系统。该系统允许在农场无需共享原始数据的情况下训练病害分类模型。研究还使用Grad-CAM++和SmoothGrad等技术定量评估了聚合全局模型的可解释性,发现虽然解释通常集中在相关的叶片区域,但随着数据异质性的增加,其准确性和一致性会下降。

  2. TOOL · CL_327225 ·

    低成本AgriDefend设备利用AI在症状出现前检测作物胁迫

    研究人员开发了AgriDefend,这是一款低成本的离线边缘设备,旨在在可见症状出现前检测作物胁迫。该设备融合了来自MobileNetV2神经网络分析的冠层图像和随机森林分类器处理的土壤探针读数(水分、pH、N、P、K、CO2)的数据。然后,一个元学习器结合这些输入,以87%的准确率预测作物健康状况,土壤信号比可见的萎蔫提前约四天。整个系统基于Raspberry Pi 5构建,使用TensorFlow Lite进行推理,成本为205美…

  3. TOOL · CL_326988 ·

    深度学习模型在乳腺癌诊断方面进行基准测试

    研究人员评估了十种深度学习模型,包括DenseNet121等卷积神经网络(CNN)以及ViT和Swin Transformer等Transformer模型,用于诊断医学影像中的乳腺癌的有效性。DenseNet121的准确率最高,达到99.4%,AUC-ROC为0.999,显著优于其他模型,特别是基于Transformer的架构。该研究还采用了Grad-CAM和LIME等可解释人工智能技术,以确保模型的预测具有可解释性并关注诊断相关区域…

  4. TOOL · CL_327461 ·

    新的计算内存引擎提高了CNN推理效率

    研究人员开发了SLICE-CiM,一种用于SRAM数字计算内存(CIM)宏的新型控制引擎,旨在提高CNN推理的能效。该系统包含四个外围模块,包括一个基于置信度的提前退出模块,以最小化功耗并优化性能。SLICE-CiM在TSMC 65-nm CMOS上实现,展示了显著的能效提升,在MobileNetV2上实现了高达454.91 TOPS/W的性能,且无需修改位单元或重新训练。

  5. TOOL · CL_315189 ·

    新个性化联邦学习方法HDC-FL表现强劲

    研究人员推出了一种新颖的个性化联邦学习方法HDC-FL,该方法利用客户端特定的分类器头来指导表示共享。该方法将客户端描述符分组并为每个组创建编码器原型,然后将这些原型返回给客户端。在各种CIFAR-10和CIFAR-100配置下,HDC-FL在与现有的个性化和聚类联邦学习基线相比时,表现出有竞争力的性能,尤其在宏平均最差客户端和底部20%准确率方面表现出色。

  6. RESEARCH · CL_308120 ·

    新研究利用人工智能模型和人类表现来检测深度伪造

    两篇新研究论文探讨了深度伪造图像的检测,其中一篇评估了深度学习模型,另一篇则关注人类表现。第一项研究比较了从头开始训练的模型与微调的预训练 MobileNetV2,发现后者实现了更高的准确率。第二篇论文引入了一个深度伪造伪影分类法,并发现人类检测表现与模型相关,特定模型的训练比一般训练更有效。

  7. RESEARCH · CL_303537 ·

    新研究探索边缘AI加速器的先进量化技术

    两篇新研究论文探讨了用于边缘设备的深度神经网络(DNN)的先进量化技术。第一篇论文介绍了ShiftQAT,一种用于MAX7800x系列CNN加速器的感知量化训练流程,它确保网络遵守特定的数值契约以实现高效的硬件执行。第二篇论文提出了一种编译多阈值算子以实现量化、非单调和细粒度激活的方法,扩展了FINN等现有框架,并可能为更复杂的激活函数实现感知量化训练。

  8. 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。

  9. TOOL · CL_300479 ·

    新的纯整数训练方法大幅降低神经网络内存使用量

    研究人员开发了一种新颖的深度神经网络训练算法,该算法完全使用整数运算,消除了训练过程中任何阶段对浮点运算的需求。该方法将所有张量(包括权重、梯度和优化器状态)存储为INT8,与标准的FP32基线相比,训练内存大约减小了4倍。该算法已成功在各种卷积神经网络和视觉Transformer上得到验证,在CIFAR-10、CIFAR-100和ImageNet等基准测试中取得了具有竞争力的准确率。

  10. TOOL · CL_289757 ·

    新的深度学习打补丁方法平衡了性能和训练时间

    一篇新论文介绍了一种用于深度学习图像块定位的半自动方法——Stride Independent Patching (SSP)。与依赖步长的自动方法不同,SSP 依赖用户输入来定义图像块的位置。使用 SSP、重叠 (Overlap) 和非重叠 (Noverlap) 打补丁方法训练的 DeepLabV3+ 模型进行的实验表明,SSP 实现了更高的分割分数并减少了训练时间。虽然 Noverlap 产生了更高的召回率,但 SSP 在性能和效率…

  11. TOOL · CL_289712 ·

    对比度增强提升了CNN宫颈癌分类的准确性

    一篇新发表在arXiv上的研究论文探讨了使用深度学习模型改进宫颈癌分类的图像预处理技术的有效性。该研究评估了两种方法:用于降噪的PMD滤波器和用于对比度增强的CLAHE,应用于三种CNN架构:ResNet-34、MobileNet-V2和DenseNet-121。结果表明,CLAHE显著提高了ResNet-34和DenseNet-121的分类准确性,而PMD滤波器仅显示出有限的改进,并略微降低了MobileNet-V2的性能,这表明对…

  12. TOOL · CL_284799 ·

    作物产量预测研究揭示关键数据验证缺陷

    一项关于巴基斯坦旁遮普作物产量预测的研究论文,指出了数据验证和模型性能方面存在的重大问题。该研究开发了一个结合了树集成模型和叶片健康分类器的原型,该原型最初在一个源自 Kaggle 的数据集上显示出较高的 R2 分数。然而,经过仔细检查,发现该数据集仅包含 46 个独立观测值,导致准确性虚高。在使用更稳健的验证方法和更大的 FAOSTAT 数据集时,简单的线性趋势优于复杂模型,而叶片健康分类器尽管在单独的图像数据上具有高准确率,但无法…

  13. RESEARCH · CL_275431 ·

    新的OCR方法提高了手写孟加拉语文本的识别率 · 跟踪2个来源

    研究人员开发了专门针对手写孟加拉语文本的光学字符识别(OCR)新方法。一项研究侧重于使用SSD与MobileNetV2以及Faster R-CNN与InceptionResNetV2等深度学习模型进行单词识别,使用集成模型达到了92.61%的F1分数。第二项研究解决了从转录的孟加拉语段落中进行与颜色无关的单词分割问题,报告了91.20%的F1分数,并强调了其在智能手机拍摄图像上的适用性。

  14. TOOL · CL_259394 ·

    FPGA平台加速用于DNN的近似乘法器评估

    研究人员开发了FAME,一个利用FPGA加速深度神经网络近似乘法器评估的新平台。这种基于硬件的方法显著减少了评估乘法器设计及其对DNN推理精度的影响所需的时间,其性能比传统的基于LUT的仿真方法高出3.47倍。此外,该平台还包含一种模式引导的再训练技术,与现有的再训练方法相比,可以恢复高达65.5%的精度损失。

  15. TOOL · CL_254796 ·

    新的边缘智能框架FREDI优化资源分配和推理

    本文介绍了一个用于安全边缘智能的框架FREDI,该框架优化了协作多层系统的资源分配和推理。FREDI采用双置信度阈值,通过用户设备进行早期退出CNN筛选,并将关键事件卸载到边缘服务器进行详细分类。该系统旨在通过比例公平资源分配和优化的推理阈值来最大化效用,数值结果显示了近乎完美的公平性和可扩展性。

  16. TOOL · CL_252259 ·

    新的多出口TinyML方案提高了边缘AI效率

    研究人员为边缘设备的TinyML系统开发了一种新颖的多出口计算方案,旨在提高能效和实时性能。该方法部署在GWT GAP9片上系统中,根据输入复杂度动态调整推理,与标准的固定深度模型相比,计算成本降低了41%,推理时间缩短了29%。该系统在准确性仅有微小损失的情况下实现了这些提升,在计算效率方面优于现有的自适应CNN。

  17. RESEARCH · CL_221189 ·

    机器学习助力加纳废物管理和健康风险应对

    一项新研究探讨了利用机器学习解决加纳固体废物管理问题。研究人员开发了一种随机森林分类器,根据废物处理方式和人口统计数据预测疾病类别,宏观F1分数达到0.63。此外,还训练了一个MobileNetV2模型,利用视觉识别实现自动化废物分类,准确率达到88.2%,宏观F1分数达到0.87。这些发现突显了人工智能在资源受限环境中进行健康风险预测和废物管理的潜力,同时也强调了有效实施所需的机构支持。

  18. TOOL · CL_219211 ·

    轻量级机器学习框架提供可解释的疟疾诊断

    研究人员开发了一种名为EMFE的新机器学习框架,用于疟疾细胞分类。与当前准确但资源密集且不透明的深度学习模型不同,EMFE采用了基于五种特征的经典机器学习算法。这种方法提供了一种计算上轻量级且可解释的替代方案,在大规模数据集上实现了高精度,并通过严格的交叉验证和与深度学习模型的比较证明了其有效性。

  19. TOOL · CL_208494 ·

    自适应AI任务划分框架可降低延迟和能耗

    研究人员开发了一个新颖的框架,用于在异构边缘-云连续体中动态划分和卸载AI任务。这种自适应方法在包括Raspberry Pi、笔记本电脑和台式PC在内的真实硬件上进行了评估,其性能优于静态划分方法。该框架在启动时对模型进行分析,监控网络状况,并重新评估分区以优化运行时动态,从而显著降低了VGG16、AlexNet和MobileNetV2等流行卷积神经网络的能耗和端到端延迟。

  20. TOOL · CL_194136 ·

    新的AQUA20数据集旨在解决具有挑战性的水下物种分类问题

    研究人员推出了AQUA20,这是一个旨在改进水下物种分类的新基准数据集。该数据集包含20种海洋物种的8,171张图像,经过专门策划,以应对浊度、低光照和遮挡等挑战。对十三种深度学习模型进行了实验,其中ConvNeXt在90.69%的Top-1准确率和88.92%的F1分数方面表现出最高的准确率,尽管其他模型也显示出不同的性能权衡。该研究还包括使用GRAD-CAM和LIME进行的解释性分析,以解释模型行为。