携帯電話での画像分類のための深層学習パイプライン
Deep learning pipeline for image classification on mobile phones この記事では、携帯電話を使用して画像を分類するための機械学習フレームワークとチュートリアルを提案し、文書化します。コンピューターと比較して、ディープラーニングモデルのパフォーマンスは携帯電話に展開するとパフォーマンスが低下し、コンピューターと携帯電話の両方で最適に機能するモデルを見つけるための体系的なアプローチが必要になります。さまざまな計算ツール、簡単な手順のレシピ、および技術的な考慮事項で構成される提案されたパイプラインに従うことで、モバイルデバイスに深層学習の医用画像分類の力をもたらし、アプリケーションの新しいドメインのロックを解除できる可能性があります。パイプラインは、COVID X線、COVID CTスキャン、葉、および結腸直腸癌の4つの異なる公開デー
リリース、障害情報などのサービスのお知らせ
最新の人気エントリーの配信
j次のブックマーク
k前のブックマーク
lあとで読む
eコメント一覧を開く
oページを開く
https://arxiv-check-250201.firebaseapp.com/each/2304.02649v4
https://arxiv-check-250201.firebaseapp.com/each/2304.02649v3
https://arxiv-check-250201.firebaseapp.com/each/2403.15063v1
https://arxiv-check-250201.firebaseapp.com/each/2403.05932v1
https://arxiv-check-250201.firebaseapp.com/each/2311.06956v3
https://arxiv-check-250201.firebaseapp.com/each/2402.11840v1
https://arxiv-check-250201.firebaseapp.com/each/2312.17553v1
https://arxiv-check-250201.firebaseapp.com/each/2311.06956v1
https://arxiv-check-250201.firebaseapp.com/each/2309.15750v1
縦断研究間のオンザフライ解剖学的位置マッチングのための階層記述子フレームワーク
縦断研究間のオンザフライ解剖学的位置マッチングのための階層記述子フレームワーク
https://arxiv-check-250201.firebaseapp.com/each/2307.14288v2
https://arxiv-check-250201.firebaseapp.com/each/2305.19621v2
放射線治療におけるディープラーニングセグメンテーションモデルのリアルタイムモニタリングのための品質保証フレームワーク
MESAHA-Net: CT スキャンでの肺結節セグメンテーションのための最大強度投影を備えたマルチエンコーダーベースの自己適応型ハードアテンションネットワーク
リアルタイム POCUS 画像品質評価および取得ガイダンス システムの開発
単一の X 線投影からの CNN ベースのリアルタイム 2D-3D 変形可能登録
非ゲート CT スキャンでの半教師あり学習による U-Net モデルを使用した自動冠動脈カルシウム スコアリング
リアルタイム COVID-19 肺感染セグメンテーション システムのための境界誘導セマンティック学習