「62P10」カテゴリーアーカイブ

ASF-YOLO: A Novel YOLO Model with Attentional Scale Sequence Fusion for Cell Instance Segmentation

投稿日: 2023年12月12日 作成者: jarxiv

要約 我々は、正確かつ高速なセル インスタンス セグメンテーションのために空間機 … 続きを読む →

カテゴリー: 62P10, 68T07, 68T10, cs.CV, eess.SP, I.4.6, stat.AP | ASF-YOLO: A Novel YOLO Model with Attentional Scale Sequence Fusion for Cell Instance Segmentation はコメントを受け付けていません

RCS-YOLO: A Fast and High-Accuracy Object Detector for Brain Tumor Detection

投稿日: 2023年10月4日 作成者: jarxiv

要約 速度と精度のバランスに優れた最先端のYOLOフレームワークは、物体検出のた … 続きを読む →

カテゴリー: 62P10, 68T07, 68T10, cs.CV, eess.SP, I.4.6, stat.AP, stat.ML | RCS-YOLO: A Fast and High-Accuracy Object Detector for Brain Tumor Detection はコメントを受け付けていません

BGF-YOLO: Enhanced YOLOv8 with Multiscale Attentional Feature Fusion for Brain Tumor Detection

投稿日: 2023年9月26日 作成者: jarxiv

要約 You Only Look Once (YOLO) ベースの物体検出器は、 … 続きを読む →

カテゴリー: 62P10, 68T07, 68T10, cs.CV, eess.SP, I.4.6, stat.AP | BGF-YOLO: Enhanced YOLOv8 with Multiscale Attentional Feature Fusion for Brain Tumor Detection はコメントを受け付けていません

Leveraging Factored Action Spaces for Off-Policy Evaluation

投稿日: 2023年7月17日 作成者: jarxiv

要約 オフポリシー評価 (OPE) は、実行されたシーケンスから収集されたデータ … 続きを読む →

カテゴリー: 60J10, 62D05, 62D20, 62P10, cs.AI, cs.LG, G.3, stat.ML | Leveraging Factored Action Spaces for Off-Policy Evaluation はコメントを受け付けていません

Kernel Methods for Unobserved Confounding: Negative Controls, Proxies, and Instruments

投稿日: 2023年2月21日 作成者: jarxiv

要約 ネガティブ コントロールは、測定されていない交絡が存在する場合に、治療と結 … 続きを読む →

カテゴリー: 62G05, 62P10, cs.LG, econ.EM, G.3, stat.ML | Kernel Methods for Unobserved Confounding: Negative Controls, Proxies, and Instruments はコメントを受け付けていません