Vgg16
PulseAugur coverage of Vgg16 — every cluster mentioning Vgg16 across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
深度学习MRI超分辨率质量取决于特征损失层选择
研究人员探讨了基于特征的损失函数中不同层如何影响基于深度学习的脑扩散MRI超分辨率的质量。他们发现，在VGG16网络中使用更深的层会在超分辨率图像和扩散参数中引入网格状伪影，而最浅的层即使在9倍分辨率提升的情况下也能产生与真实情况一致的结果。该研究强调了在基于特征的损失中仔细选择贡献层以避免伪影并确保扩散MRI应用的准确性的关键需求。
-
Diffusion augmentation boosts Bangla character recognition accuracy
Researchers have developed a confidence-guided diffusion augmentation method to improve the recognition of handwritten Bangla compound characters. This approach uses diffusion models to generate high-quality synthetic c…
-
New papers explore fake image detection and vision model interpretation
Two new research papers explore advancements in interpreting and evaluating deep learning models. One paper details a comparative study of four CNN architectures for detecting fake images, with VGG16 achieving the highe…
-
研究人员结合 DPU 和 GPU 以加速神经网络推理
研究人员开发了一种新颖的方法，通过在深度学习处理单元 (DPU) 和图形处理单元 (GPU) 之间拆分卷积神经网络 (CNN) 计算来加速神经网络推理。这种“拆分 CNN 推理”方法在数据源附近的 DPU 上处理初始层，在 GPU 上处理后续层，从而显著降低延迟。还引入了一个图神经网络 (GNN) 模型，以准确预测各种 CNN 架构的最佳层划分，准确率达到 96.27%。
-
Eugene Yan 构建反向图片搜索引擎以发现产品
Eugene Yan 开发了一个反向图片搜索引擎，允许用户通过上传图片来查找相似产品。该工具使用神经网络生成图像特征并计算相似度，最初作为 API 提供，但由于云成本已停用。Yan 详细介绍了该过程，包括数据获取、使用 VGG16 等模型生成特征，以及高效计算相似度和提供图像的挑战。他指出，该系统在白色背景上的产品图片上效果最好，并且是构建产品分类 API 系列文章的一部分。