实体
Swin Transformers
Swin Transformers
PulseAugur coverage of Swin Transformers — every cluster mentioning Swin Transformers across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
情绪 · 30 天
2 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
神经符号框架通过认知不确定性增强图像分类
研究人员引入了一种新颖的神经符号框架，将认知深度学习与分层图像分类相结合。该方法通过结合焦点集推理和可微分模糊逻辑来增强 Swin Transformers，以更好地捕捉认知不确定性并在不同分类级别上确保逻辑一致性。该方法旨在减少预测中的过度自信，并提供更校准、更可解释的输出，同时保持与现有 Transformer 基线相当的准确性。
-
深度学习模型TREX通过内窥镜检查预测直肠癌复发
研究人员开发了一个名为TREX的深度学习模型，用于从纵向内窥镜检查图像预测直肠癌复发。TREX利用带有Swin Transformers和双交叉注意力的Siamese网络，分析不同时间拍摄的图像对，区分持续反应和局部复发。该模型在检测复发方面表现出高精度，并有望在临床确认前数月实现早期检测，甚至在外科医生调查中达到主治医师级别的准确性。