关键词discriminative capability
搜索结果 - 5
- 面向广义零样本学习的高判别属性特征学习
零样本学习（ZSL）旨在根据观察到的类别的语义知识，识别未接触过的新类别，然而，当前基于注意力的模型对于学习图像区域特征时，可能忽视了视觉特征的可转移性和属性定位的独特性。为了解决这些问题，我们提出了一种名为高辨别属性特征学习的创新方法（H - 自动纠正问题：语言模型在改进自我生成的回答方面面临困难
LLMs 在提升生成能力和判别能力方面的研究结果并不一致，这对自我提升的人工智能系统的发展具有重要意义。
- Transformer 跟踪的信息流优化
研究发现基于信息流的变压器跟踪器 (OIFTrack) 可以增强其辨别能力，并在挑战性的基准测试中取得杰出表现，特别是在一次跟踪基准测试 GOT-10k 中，平均重叠度达到 74.6%。
- 改进的双相关降维网络
本研究提出了一种新的深度图聚类算法称为 IDCRN，通过改善样本的区分能力来缓解已存在的表示崩溃问题并且避免过度平滑的情况，通过将交叉视图特征关联矩阵近似为一个恒等矩阵来减少特征之间的冗余性以明确地提高潜在空间的区分能力。在六个基准测试上的 - 大规模视觉关系理解
该研究提出一种新的关系检测模型，将物体和关系嵌入到两个矢量空间中，同时保留了区分能力和语义关联性，并在基于 Visual Genome 的大规模和不平衡基准上展示了该模型的有效性。