この作業では、画像の特徴のみを使用する場合と、これらを患者のメタデータと組み合わせた場合の分類タスクにおける6つの最先端のディープニューラルネットワークのパフォーマンスを比較します。 ImageNet

arxiv_reader のブックマーク 2021/10/12 15:15

<blockquote class="hatena-bookmark-comment"><a class="comment-info" href="https://b.hatena.ne.jp/entry/4709618217330703458/comment/arxiv_reader" data-user-id="arxiv_reader" data-entry-url="https://b.hatena.ne.jp/entry/s/arxiv-check-250201.firebaseapp.com/each/2110.05239v1" data-original-href="https://arxiv-check-250201.firebaseapp.com/each/2110.05239v1" data-entry-favicon="https://cdn-ak2.favicon.st-hatena.com/64?url=https%3A%2F%2Farxiv-check-250201.firebaseapp.com%2Feach%2F2110.05239v1" data-user-icon="/users/arxiv_reader/profile.png">画像機能と患者メタデータを組み合わせて転送学習を強化</a><ul class="comment-tag" style="list-style: none; margin: 0px;"><li style="float: left">[<a href="https://b.hatena.ne.jp/q/arXiv">arXiv</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22arXiv%20reaDer%22">arXiv reaDer</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/metric">metric</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/dataset">dataset</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/augmentation">augmentation</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/%22transfer%20learning%22">transfer learning</a>]</li><li style="float: left">[<a href="https://b.hatena.ne.jp/q/classification">classification</a>]</li></ul><br><p style="clear: left">この作業では、画像の特徴のみを使用する場合と、これらを患者のメタデータと組み合わせた場合の分類タスクにおける6つの最先端のディープニューラルネットワークのパフォーマンスを比較します。 ImageNet</p><a class="datetime" href="https://b.hatena.ne.jp/arxiv_reader/20211012#bookmark-4709618217330703458"><span class="datetime-body">2021/10/12 15:15</span></a></blockquote><script src="https://b.st-hatena.com/js/comment-widget.js" charset="utf-8" async></script>

このブックマークにはスターがありません。
最初のスターをつけてみよう！