关键词image classification task
搜索结果 - 4
- 面向轻量通信设计的联邦学习压缩
本文研究压缩技术对典型图像分类任务的联邦学习的影响,并证明了一种简单的方法可以在保持不到 1% 准确率损失的同时压缩 50% 的消息,与最先进的技术相媲美。
- ICLR利用类似卷积实现网络的尺度和旋转等变性增强
本文提出了一种方法,通过使用可缩放的傅里叶 - 阿甘德表示法和类似卷积的操作来实现卷积神经网络对于平移、旋转和缩放的同时等变性,并验证了该方法在图像分类任务方面的有效性和对缩放和旋转输入的泛化能力。
- 半球专业化下的双侧大脑深度学习
该研究提出了一种双侧神经网络结构,模仿大脑左右脑半球的功能区别,并通过对图像分类任务的测试表明,这种结构比其他容量类似的基线模型更具有效性,可以实现对图像特征的加权注意力。
- 卷积网络中修正的激活函数的实证评估
本文通过评估不同类型的修正线性单元 rectified activation functions(包括:标准修正线性单元(ReLU),泄漏修正线性单元(Leaky ReLU),参数修正线性单元(PReLU)以及随机泄漏修正线性单元(RReL