PulseAugur
中
实时 18:25:18
实体 ResNet50

ResNet50

PulseAugur coverage of ResNet50 — every cluster mentioning ResNet50 across labs, papers, and developer communities, ranked by signal.

Show in brief
总计 · 30天
12
90 天内 59
发布 · 30天
0
90 天内 0
论文 · 30天
12
90 天内 57
层级分布 · 90 天
主题
关系
时间线
  1. 2026-06-17 research_milestone A new two-stage fine-tuning method for ResNet50 was published on arXiv for improved melanoma detection. 来源
情绪 · 30 天

5 天有情绪数据

最近 · 第 1/4 页 · 共 61 条
  1. TOOL · CL_357679 ·

    新数据集GingivitisSeg为牙齿炎症检测的AI设定基准

    研究人员推出了GingivitisSeg,这是一个用于分割口腔内图像中牙龈炎的新公共数据集和基准。该数据集包含961张带有像素级标注的图像,分为训练集、验证集和测试集。评估了七种不同的语义分割模型配置,其中使用ResNet50的UPerNet在平均交并比(mIoU)方面表现最佳。然而,在应用Holm校正后,顶级模型之间的性能差异没有统计学意义。

  2. TOOL · CL_344343 ·

    新的RLGPA方法使用强化学习进行定向对抗攻击

    研究人员开发了RLGPA,一种新颖的方法,它使用强化学习来指导为AI模型创建稀疏对抗样本的过程。该方法动态调度和调整扰动减少步骤的粒度,以优化有限的查询预算。RLGPA在图像分类任务的定向对抗成功率方面表现出显著的改进,尤其是在非常低的扰动水平下,其性能优于SparseEvo和Pointwise等现有方法。

  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_325086 ·

    深度回归方法从UK Biobank的MRI中提取医疗数据

    研究人员开发了一种新颖的靶向深度回归方法,用于从全身水脂MRI扫描中提取数值属性。该方法在代表特定解剖子区域的拼贴图上使用ResNet50风格的网络,这些拼贴图通过UK Biobank数据集的图像配准获得。该方法表现出强大的预测性能,肾脏体积、心脏体积和年龄等终点的R2值范围为0.731至0.984,而显著性图突出了医学相关区域。

  5. TOOL · CL_325014 ·

    ResNet50 在胃肠道疾病分类效率方面优于 Vision Transformer

    一项新的基准研究评估了 ResNet50 和 Vision Transformer (ViT-B/16) 在内窥镜图像分类胃肠道疾病方面的表现。虽然两个模型在交叉验证中都达到了高准确率(约 92%),但 ResNet50 在效率方面表现显著更好,拥有更少的参数、更低的延迟和更高的 GPU 通量。一种面向边缘的 Transformer,MobileViT-S,在测试集上准确率更高,但对采集伪影的敏感性更大,这表明可能存在捷径学习问题。研…

  6. TOOL · CL_324567 ·

    新的UTA方法优化AI模型的学习率衰减

    德克萨斯大学奥斯汀分校的研究人员开发了一种新的学习率衰减方法,称为通用训练自适应(UTA)LRD。该方法旨在通过自适应训练状态来改进模型训练,这与依赖固定轨迹或SGD动力学的先前方法不同。UTA将学习率衰减视为一个闭环问题,同时优化了进展形状和学习率尺度。该方法在LLaMA等语言模型以及在ImageNet上训练的ResNet50和Vision Transformer Base等视觉模型上,都显示出了一致的性能提升,并且开销极小。

  7. TOOL · CL_324472 ·

    新TWA方法增强AI模型中的分布外检测能力

    研究人员开发了一种名为秩一权重校正可训练权重平均(TWA)的新方法,以改进AI模型中的分布外(OOD)检测。该技术在现有的TWA方法基础上,通过整合通过奇异值分解提取的主导低秩分量来构建。当应用于ResNet50模型时,增强的TWA在各种数据集上,尤其是在使用异常值暴露(Outlier Exposure)时,表现出优于标准TWA和微调的性能。

  8. TOOL · CL_321772 ·

    新的FSVL框架通过双路径AI增强鱼类识别能力

    研究人员开发了FSVL,一个结合了快速和慢速路径的新型框架,用于识别长江中游流域的鱼类物种。快速路径使用ResNet50,实现了初步的高准确率,而使用YOLOv8n的慢速路径通过分析关键形态区域来精炼易混淆物种的识别。该系统与Qwen3-14B语言模型集成以生成知识,显著提高了科学名称和属的准确性,以及ROUGE-L分数,有助于生物多样性监测和渔业管理。

  9. TOOL · CL_312494 ·

    AI模型概念准确性受审计,揭示基准测试潜在缺陷

    一篇新发表在arXiv上的研究论文调查了概念瓶颈模型(CBMs)和概念嵌入模型(CEMs)在CUB-200-2011数据集上的准确性。研究表明,尽管CBMs承诺通过概念实现人类可检查的预测,但它们在CUB上的准确性并非完全来源于这些暴露的概念分数。研究指出,通过各种设计选择,类别信息可能会泄露到概念分数中,并且限制模型仅使用局部特征会显著降低准确性,这表明当前的基准测试可能高估了模型真正的概念理解能力。

  10. TOOL · CL_303601 ·

    AI模型可跨OCT设备准确分类视网膜发育

    研究人员开发并验证了一个无监督域适应模型,能够从光学相干断层扫描(OCT)图像中准确区分正常与异常的视网膜发育。该模型基于ResNet50架构和域对抗神经网络,可以在不同OCT设备和临床中心之间泛化,而无需目标设备的标记数据。该系统在区分正常与异常视网膜发育方面表现出高准确率、敏感性和特异性,显示出在视网膜成像数据的一致性评估和大规模分析方面的潜力。

  11. TOOL · CL_303539 ·

    新研究探讨配对 AUC 优化中的纠正力

    一篇新的研究论文探讨了在优化机器学习模型配对 AUC(曲线下面积)时“纠正力”的概念,特别是在类别不平衡的情况下。该研究发现,直接进行配对 AUC 训练,虽然与评估指标一致,但可能导致严重的排名错误在模型没有显著改进的情况下持续存在。该论文通过检查来自配对梯度的 U 统计量的性质,为这一现象提供了理论解释。使用各种计算机视觉和自然语言处理任务进行的实验,包括 ResNet50、DenseNet121、DistilBERT-base 和…

  12. 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…

  13. TOOL · CL_273561 ·

    新研究强调图像编码器的“表征风险”

    一篇新研究论文提出了预训练图像编码器中的“表征风险”概念,证明了不同的编码器可能导致下游预测任务的结果显著不同。该研究评估了包括SigLIP 2、ResNet50和DINOv2在内的十种编码器,应用于预测房价、赛马表现和医学诊断等各种场景。研究结果表明,没有一种编码器是普遍最优的,而一个涉及在锁定数据上进行基准测试和验证的建议工作流程可以提高预测性能和不确定性报告,该工作流程已在LOOKAGAIN-ML软件包中实现。

  14. TOOL · CL_254886 ·

    新 AI 框架 CirrGuide 改进了肝硬化分割和分类

    研究人员开发了 CirrGuide,一个新颖的深度学习框架,用于从 T2 加权 MRI 扫描中分割肝硬化并对其严重程度进行分类。该框架采用级联方法,首先使用带有 ResNet50 编码器的 Attention U-Net 架构预测肝硬化的软掩码。然后,该掩码作为第二个基于 ResNet50 的分类分支的解剖学先验,该分支结合全局和区域特征来区分轻度、中度和重度肝硬化。CirrGuide 在 CirrMRI600+ 数据集上表现强劲,分…

  15. TOOL · CL_254753 ·

    鸟类识别模型:边缘设备上的分辨率与架构权衡

    一项新研究调查了鸟类物种识别模型的最佳输入分辨率,特别是对于像NVIDIA Jetson Orin Nano这样的边缘设备。研究人员发现,模型架构对准确性的影响比输入分辨率更大,像DINOv2-L这样的模型在更大的分辨率下能实现更高的准确性。研究还强调了在部署引擎上测量准确性的重要性,因为半精度计算会降低某些架构(如ViT-S/16)的性能,而CNN则基本不受影响。该研究探索了14种输入分辨率和六种架构,测量了延迟和准确性的权衡,为诸…

  16. TOOL · CL_254609 ·

    大地艺术作为人工智能驱动的气候指示器

    研究人员开发了一种新颖的方法,通过分析卫星图像将罗伯特·史密森1970年的大地艺术作品《螺旋码头》用作气候传感器。通过检查1984年至2025年的1,744个图像碎片,他们提取了包括熵和纹理特征在内的复杂性特征,并将其与气候数据进行了比较。研究发现,置换熵和平均强度与湖泊水位密切相关,而来自ResNet50嵌入的人工智能衍生特征则作为水文状态的领先指标,可提前约三年预测湖泊水位。

  17. 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…

  18. TOOL · CL_245464 ·

    新方法在人工智能检测中使用缺陷掩码进行空间监督

    研究人员开发了一种新颖的工业检测缺陷定位方法,通过在模型训练期间将真实缺陷掩码重新用作空间监督信号。该方法提高了分类网络精确定位缺陷区域的能力,即使在混合使用带掩码和不带掩码(包括扩散生成的)图像进行训练时也是如此。在 MVTec-AD 瓶子基准上的评估表明,对于 EfficientNetB0 和 ResNet50 等模型,定位精度有了显著提高,特别是与扩散模型增强结合使用时,这表明现有的评估数据可以作为实用的训练信号来改善模型注意力。

  19. TOOL · CL_239299 ·

    新框架利用基于注意力的融合增强多模态情感识别

    研究人员开发了一种新的多模态情感识别框架,集成了音频和视觉数据。音频部分使用Wav2Vec2、MFCC和声学描述符,并通过BiLSTM进行处理,而视频部分则采用ResNet50-BiLSTM架构。多头注意力机制用于融合这些特征,使模型能够自适应地权衡每个模态的贡献。在MELD和IEMOCAP数据集上的实验表明,与现有方法相比,在数据不平衡的情况下,性能有了显著提升。

  20. TOOL · CL_229610 ·

    医学基础模型增强脑部MRI造影剂剂量模拟

    研究人员开发了一种新的脑部MRI造影剂剂量模拟方法,该方法利用医学基础模型的特征作为感知损失。与使用标准自然图像骨干网络相比,这种方法旨在提高图像合成的准确性。研究发现,RadImageNet模型在作为特征提取器使用时,在减少残余增强和在脑部MRI模拟中保持忠实的剂量降低轨迹方面表现出优越的性能。