新方法提升2D碎片邻接预测准确率
热点事件持续更新
新方法提升2D碎片邻接预测准确率
1 篇报道1 个报道来源3 小时前更新
先了解这件事
AI 综述
Guillaume Brouillette 等人发表论文，提出用不变切角轮廓描述子替代旋转等变 Siamese 网络的局部图像窗口打分，并改用 Band U-Net 分割邻接矩阵中的反对角带，从而在输出配对判定时一并给出共享弧。 在原始合成数据集上，该方法的准确率达 98%，高于原方法修正后的 93% 至 95%；仅用合成数据训练，即在 PairingNet 基准取得 AUC 0.93，真实集 Recall@10 为 0.82，而原论文最佳模型为 0.56。
AI 根据报道生成 · 3 小时前更新
最新进展10月8日 12:00
用于 2D 碎片邻接预测的不变切角描述子与 Band U-Net报道时间线
沿着报道，了解事件的不同侧面。
10月8日
- arXiv cs.CV用于 2D 碎片邻接预测的不变切角描述子与 Band U-Net
研究提出用切角轮廓描述子替代旋转等变 Siamese 网络的局部图像窗口打分，并改用 Band U-Net 分割邻接矩阵中的反对角带以同时输出配对判定与共享弧。在原始合成数据集上准确率达 98%，高于原方法修正后的 93% 至 95%；仅用合成数据训练即在 PairingNet 基准取得 AUC 0.93，真实集 Recall@10 为 0.82，原论文最佳模型为 0.56。
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。