关键词feature density estimation
搜索结果 - 2
- CVPR朝未知领域进发:密度递减特征扰动用于半监督语义分割
基于密度下降的特征扰动(DDFP)是一种新颖的特征级一致性学习框架,旨在通过扰动注入将特征移向密度较低的区域,有效地规范决策边界,并通过轻量级密度估计器实时捕获特征密度分布,该方法在特征级扰动上胜过其他设计并在 Pascal VOC 和 C - 基于归一化流的特征密度估计用于异常检测
基于特征密度估计和正态流的无监督型外分布检测方法可应用于任意预训练模型,通过密度阈值实现检测,并在图像分类中表现出强大的远外分布数据检测结果,包括 ImageNet-1k 与纹理的 98.2% AUROC,超过现有技术 7.8%。我们还探讨