实体
YOLOv8m
YOLOv8m
PulseAugur coverage of YOLOv8m — every cluster mentioning YOLOv8m across labs, papers, and developer communities, ranked by signal.
总计 · 30天
3
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
3
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
AI框架有助于诊断脱发状况
研究人员开发了一个由AI驱动的框架，用于定量分析头皮状况，特别是雄激素性脱发（AGA）。该系统结合了多个阶段，包括毛囊单位定位、毛干计数和宽度估计以及区域聚合，以协助皮肤科医生进行诊断。该框架使用临床队列和大量的毛发镜图像进行了评估，在检测和分类毛囊单位方面表现出高精度。
-
Numbat：一个用 Zig 构建的独立机器学习栈
研究人员开发了 Numbat，一个完全用 Zig 编程语言构建的独立机器学习栈。该栈旨在通过消除第三方运行时依赖并提供统一的语言用于研究和生产，从而降低与传统 Python 框架相关的工程成本。Numbat 包括张量计算、自动微分和多 GPU 训练的组件，并公开 C ABI 以便与其他语言集成。该系统已通过参考实现进行了验证，发现了几个静默分歧，并成功训练了一个 YOLOv8m 模型，其性能与参考栈相当。
-
脉冲神经网络为自主水下航行器提供高能效目标检测
研究人员开发了SpikeYOLO，一种新颖的脉冲神经网络（SNN），专为前视声纳图像中的高能效目标检测而设计。与YOLOv8m等传统卷积神经网络（CNN）相比，该方法可显著节省能源。在UATD数据集上，SpikeYOLO T=2实现了3.3倍的理论计算能耗，同时保持了具有竞争力的准确性。SNN在噪声鲁棒性方面也表现出色，并在特定数据集上优于其他CNN基线，使其成为功耗受限的自主水下航行器的有前途的解决方案。