ViT-Large
PulseAugur coverage of ViT-Large — every cluster mentioning ViT-Large across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
Vision Transformers 在跨数据集的阿尔茨海默病 MRI 分类中表现稳健
一项新近发表在 arXiv 上的研究评估了卷积神经网络 (CNNs) 和 Vision Transformers (ViTs) 在从 MRI 扫描中对阿尔茨海默病进行分类的稳健性。研究人员比较了五种架构，包括 ResNet-50、ReXNet-150、Swin Transformer、ViT-Base 和 ViT-Large，跨越三个不同的 MRI 数据集。研究结果表明，ViT-Large 持续 achieves 最高性能，准确率高达…
-
新的医学视觉语言模型在不损失性能的情况下扩展了专业知识 · 跟踪 2 个来源
研究人员开发了一种新颖的医学视觉语言技术，该技术使用可扩展的模态专家库，以多路 Transformer 为中心。该方法利用共享的视觉计算、专门的前馈专家和独立的文本路径。该系统在众多基准测试中取得了最先进的结果，在零样本分类、线性探测和检索任务方面表现出色，同时还展示了在不损害现有模态性能的情况下学习新模态的能力。
-
AI模型在历史文档图像分类中达到99%的准确率
研究人员开发了一个高度准确的历史文档图像分类系统，能够区分文本、表格和图形。经过微调的深度学习模型，特别是RegNetY-16GF和ViT-large，在一个包含超过48,000页扫描文档的数据集上达到了99%以上的准确率。该系统旨在促进大规模数字化项目中特定内容的处理，模型、数据集和软件均已根据开源许可证公开提供。
-
研究人员将自监督学习应用于植物图像识别
研究人员开发了一种用于植物图像识别的自监督学习方法，解决了传统监督方法需要大量专家标记数据的局限性。研究发现，高斯模糊和灰度转换等标准数据增强技术对细粒度植物识别有害，反而提出了仿射变换和后处理变换作为更合适的选择。在 iNaturalist 2021 Plantae 子集上使用 SimDINOv2 模型进行训练比使用 ImageNet-1K 更有效，证明了领域特定数据的价值。