研究评估EfficientNet-B0-B7在SD-OCT视网膜分类中的缩放效应
热点事件持续更新
研究评估EfficientNet-B0-B7在SD-OCT视网膜分类中的缩放效应
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
Shkelqim Sherifi 发布论文，在 Kermany SD-OCT 数据集上以 224x224 固定分辨率迁移学习方式评估 ImageNet 预训练的 EfficientNet-B0 到 B7，用于四类视网膜疾病分类，模型参数量为 4.05M 至 64.10M，考察各规模的准确率与效率权衡。 研究指出，由于跨分区重复样本未经独立审计，其结果以所采用的数据划分为前提条件。
AI 根据报道生成 · 1 小时前更新
最新进展11月5日 13:00
EfficientNet-B0-B7 在固定分辨率迁移学习下对 SD-OCT 视网膜疾病分类的缩放评估报道时间线
沿着报道，了解事件的不同侧面。
11月5日
- arXiv cs.AIEfficientNet-B0-B7 在固定分辨率迁移学习下对 SD-OCT 视网膜疾病分类的缩放评估
一项研究在 Kermany 数据集上以 224x224 分辨率评估 ImageNet 预训练的 EfficientNet-B0-B7 做四类 SD-OCT 视网膜疾病分类，参数量为 4.05-64.10M。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。