BriefGPT.xyz
Ask
alpha
关键词
inter-class separability
搜索结果 - 5
预定义原型的类内分离与解缠
该研究论文提出了一种基于人工指定标准预定义原型的原型学习方法,其可以增加类别之间的嵌入可分性并解耦嵌入的不同方差因素,从而实现可解释的预测。通过提供实验证明了该方法的优势。
PDF
13 days ago
分类的大边缘判别损失
这篇论文介绍了一种在深度学习背景下具有较大边界的新型判别性损失函数,通过提高神经网络的判别能力,即类内紧凑性和类间可分性,来优化特征空间,同时通过数学分析关系、设计策略和研究泛化误差,提高模型的测试准确性。
PDF
a month ago
CVPR
用正多面体网络实现最紧凑和分离的特征
在这项工作中,我们通过将分类器的参数设置为不可训练(即固定),展示出如何从使用 Softmax loss 训练的 CNN 中提取最大类间可分性和最大类内紧凑性的特征。我们的方法统一和泛化了两个不同类别的方法,即由 Center Loss 引
→
PDF
a year ago
ICLR
学习最大边界
本文提出采用最大化间隔损失的优化目标,定义类间隔与样本间隔,推导出广义的间隔 softmax 损失,并在此基础上设计出新工具,即样本间隔正则化、适用于类均衡情形的最大间隔 softmax 损失和适用于类不平衡情形的零中心正则化。实验结果表明
→
PDF
2 years ago
G-softmax: 提高特征内类紧致性和类间可分性
本文研究了卷积神经网络学习特征时的类内紧密度和类间可分性,并提出一种简单易实现的基于高斯的 softmax 方法,有效提高了类内紧密度和类间可分性,在多个分类数据集上都表现优异,并发现高的类内紧密度和类间可分性与 MS COCO 和 NUS
→
PDF
5 years ago
Prev
Next