关键词deep convolutional models
搜索结果 - 4
- 基于训练嘈杂负图片的密集异常检测和开放式识别
本文提出了一种基于密集预测的异常检测方法，利用广泛而多元的通用数据集作为负样本，通过在内部训练图像上叠加负补丁来鼓励模型识别已知和未知之间的边界。在三个密集开放识别基准数据集上得到了有竞争力的实验结果。
- CVPR路规：使用语义交互的卷积模型预测驾驶行为
这篇论文提出了一种基于深度卷积模型的统一表征方法，该方法在使用 3D 感知信号和语义地图的基础上，通过深度卷积模型，学习了实体和场景之间的交互，并能够有效地预测自动驾驶系统中实体的行为表现。
- IJCAI深度描述符转换用于图像共定位
本文提出了一种名为 Deep Descriptor Transforming (DDT) 的方法，通过对前馈模型的卷积层输出进行研究，实现对共同物体的定位，从而提升图像共定位问题的效率和精度。实验结果表明，近期方法 DTT 相较于其他同类方 - 深度卷积网络是否真的需要深度和卷积？
本文证明了训练高准确度的小型模型需要多层卷积神经网络，即使使用了蒸馏等训练方法。在 CIFAR-10 数据集上，只有包含多层卷积的模型才能够拥有和深度卷积神经网络相当的准确度。