Jove
Visualize
Contáctanos
JoVE
x logofacebook logolinkedin logoyoutube logo
ACERCA DE JoVE
Visión GeneralLiderazgoBlogCentro de Ayuda JoVE
AUTORES
Proceso de PublicaciónConsejo EditorialAlcance y PolíticasRevisión por ParesPreguntas FrecuentesEnviar
BIBLIOTECARIOS
TestimoniosSuscripcionesAccesoRecursosConsejo Asesor de BibliotecasPreguntas Frecuentes
INVESTIGACIÓN
JoVE JournalMethods CollectionsJoVE Encyclopedia of ExperimentsArchivo
EDUCACIÓN
JoVE CoreJoVE BusinessJoVE Science EducationJoVE Lab ManualCentro de Recursos para ProfesoresSitio de Profesores
Términos y Condiciones de Uso
Política de Privacidad
Políticas

Videos de Conceptos Relacionados

Imaging Biological Samples with Optical Microscopy01:18

Imaging Biological Samples with Optical Microscopy

9.2K
Optical microscopy uses optic principles to provide detailed images of samples. Antonie van Leeuwenhoek designed the first compound optical microscope in the 17th century to visualize blood cells, bacteria, and yeast cells. In 1830, Joseph Jackson Lister created an essentially modern light microscope. The 20th century saw the development of microscopes with enhanced magnification and resolution.
In optical microscopy, the specimen to be viewed is placed on a glass slide and clipped on the stage...
9.2K
Super-resolution Fluorescence Microscopy01:37

Super-resolution Fluorescence Microscopy

12.3K
Super-resolution fluorescence microscopy (SRFM) provides a better resolution than conventional fluorescence microscopy by reducing the point spread function (PSF). PSF is the light intensity distribution from a point that causes it to appear blurred. Due to PSF, each fluorescing point appears bigger than its actual size, and it is the PSF interference of nearby fluorophores that causes the blurred image. Various approaches to achieving higher resolution through SRFM have recently been...
12.3K

También podría leer

Artículos Relacionados

Artículos vinculados a este trabajo por autores compartidos, revista y gráfico de citas.

Ordenar por
Same author

Associations of Physical Activity With Mortality Across Cardiovascular-Kidney-Metabolic Syndrome Stages: Evidence From NHANES 1999 to 2018.

Journal of the American Heart Association·2026
Same author

Prognostic significance of therapy-induced senescence and SASP dynamics in acute myeloid leukemia: a retrospective cohort study.

BMC cancer·2026
Same author

Small peptide encoded by MALAT1 aggravates colitis via upregulating GIP expression in enterocyte.

Biochemical pharmacology·2026
Same author

Study on the Optimization of Mix Proportions for Recycled Aggregate Concrete and Its Freeze-Thaw Resistance Performance.

Materials (Basel, Switzerland)·2026
Same author

Bispecific targeting of CHI3L1 and PD-1 as a therapeutic strategy for pulmonary fibrosis.

JCI insight·2026
Same author

Review of the biological gap between mother's own milk and pasteurized donor milk: implications for intestinal health in preterm infants.

Pediatric research·2026

Video Experimental Relacionado

Updated: May 6, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

990

Reconocimiento de Imágenes de Grano Fino con Atención Inspirada en la Biología y Consciente del Gradiente

Bing Ma1,2,3, Junyi Li1,2, Zhengbei Jin4

  • 1Institute of Physics, Henan Academy of Sciences, Zhengzhou 450046, China.

Biomimetics (Basel, Switzerland)
|December 24, 2025
PubMed
Resumen

Este estudio presenta un novedoso mecanismo de atención inspirado en la biología para el reconocimiento de imágenes de grano fino. El método consciente del gradiente mejora la discriminación de características, aumentando la precisión en conjuntos de datos desafiantes.

Palabras clave:
mecanismo de atenciónvisión por computadorareconocimiento de imágenestransformador de visión

Más Videos Relacionados

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.6K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

5.2K

Videos de Experimentos Relacionados

Last Updated: May 6, 2026

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications
03:31

Author Spotlight: Enhancement of Salient Object Detection for Smart Grid Applications

Published on: December 15, 2023

990
Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines
08:27

Author Spotlight: Efficient Image Recognition Using Directional Gradient Histogram Technique and Support Vector Machines

Published on: January 5, 2024

1.6K
Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention
06:37

Author Spotlight: Addressing Technical and Subjective Challenges in Measuring Classroom Attention

Published on: December 15, 2023

5.2K

Área de la Ciencia:

  • Visión por Computadora
  • Inteligencia Artificial
  • Computación Inspirada en la Biología

Sus antecedentes:

  • El reconocimiento de imágenes de grano fino es un desafío debido a sutiles variaciones interclase e intraclase.
  • Los métodos tradicionales luchan contra el ruido de fondo y la degradación de características.
  • Los sistemas visuales humanos se centran eficazmente en regiones discriminatorias.

Objetivo del estudio:

  • Desarrollar un novedoso mecanismo de atención para mejorar el reconocimiento de imágenes de grano fino.
  • Abordar las limitaciones de los enfoques convencionales para manejar la interferencia del fondo y la degradación de características.
  • Imitar el enfoque del sistema visual humano en regiones discriminatorias.

Principales métodos:

  • Propuso un mecanismo de atención inspirado en la biología y consciente del gradiente.
  • Modeló la información del gradiente para guiar la atención, imitando la sensibilidad biológica a los bordes.
  • Mejoró la discriminación entre estructuras globales y detalles locales.

Principales resultados:

  • Logró una precisión Top-1 del 92,9% en CUB-200-2011.
  • Logró una precisión Top-1 del 90,5% en iNaturalist2018.
  • Logró una precisión Top-1 del 93,1% en nabbirds.
  • Logró una precisión Top-1 del 95,1% en Stanford Cars.

Conclusiones:

  • El mecanismo de atención propuesto, consciente del gradiente, mejora significativamente el reconocimiento de imágenes de grano fino.
  • El enfoque inspirado en la biología mejora eficazmente la discriminación de características al aprovechar la información del gradiente.
  • El método demuestra un rendimiento superior en múltiples conjuntos de datos de referencia.