image classification tasks | BriefGPT

关键词image classification tasks

搜索结果 - 10

Proto-BagNets 的本地和全局可解释性设计
介绍了 Proto-BagNets，一种可解释性设计的基于原型的模型，结合了局部特征模型和原型学习的优势，为准确和可解释的图像分类任务提供了有意义、连贯和相关的原型部分。在公开可用的视网膜 OCT 数据上对 Proto-BagNet 进行了
PDF13 days ago
LieRE: 广义旋转位置编码
引入了 Lie 组相对位置编码（LieRE），在 2D 和 3D 图像分类任务中取得了显著性能提升（高达 6%），训练效率（降低了 3.5 倍），数据效率（提升了 30%），相比于 Rotary Position Embeddings（Ro
PDF20 days ago
预训练的视觉语言模型作为部分注解器
本研究探讨了一种新颖的 “预训练标注 - 弱监督学习” 范式，通过在图像分类任务中基于 CLIP 使用多个提示模板对图像样本进行标注，进而获得多个候选标签以形成含噪部分标签的数据集，并设计了一种协作一致性正则化算法来解决这个问题。实验表明，
PDFa month ago
不良批次：通过代表性批次策划提升图像分类中的自监督学习
通过 Fréchet ResNet Distance (FRD) 使用成对相似度计算来获得稳健的非标注数据表示，从而显著提高自我监督对比学习中用于图像分类任务的线性分类器的准确率。
PDF3 months ago
DyCE：深度学习压缩和扩展的动态可配置退出
利用动态配置的早期退出框架，在深度学习中实现了可伸缩性和压缩技术，显著减少计算复杂度并提供实时配置和精细的性能调节能力。
PDF4 months ago
AAAI前向 - 前向算法的卷积式分通道竞争学习
通过通道竞争学习在卷积神经网络中提出前向传递算法（Forward-Forward Algorithm）的改进方法，构建一个逐层有竞争性的学习过程，避免了负数据的生成、收敛速度较慢以及在复杂任务上性能不足等限制，在图像分类任务中，我们的方法优
PDF6 months ago
PDR-CapsNet：一种高能效的胶囊网络动态路由并行方法
通过并行动态路由 CapsNet（PDR-CapsNet）提出了一种比 CapsNet 更深，更节能，性能更好，能够更高效利用硬件资源的替代方法，通过减少参数，降低计算复杂度以及增加吞吐量，从而实现了对 CIFAR-10 数据集的 3 倍更
PDF9 months ago
距离感知的基于解释的学习
eXplanation Based Learning (XBL) 是一种交互式学习方法，通过与解释交互来提供一种透明的训练深度学习模型的方法。我们提出了一种在分类损失中添加距离感知解释损失的方法，该方法训练学习者关注训练数据集中的重要区域。
PDF10 months ago
ICLR基于信号传播视角的神经网络初始化剪枝
该研究使用一种基于梯度的敏感度准则，阐述了初始化条件和网络结构剪枝的之间的关系，提出一种无需数据的改进方法，可用于图像分类任务中的先剪枝训练。
PDF5 years ago
基于极大雅可比值的显著性地图攻击
在图像分类任务中，我们提出了两种 JSMA 的变体，可以使模型误将饱和的像素分类为指定的错误目标类别，无需指定目标类别以及是否只增加或减少像素强度，并且降低了分类时间，可应用于手写数字和自然场景的数据集中。
PDF6 years ago