normalization layer | BriefGPT

关键词normalization layer

搜索结果 - 6

扁平化远程损失景观对跨领域少样本学习
通过扩展损失景观的分析范围和引入一种新的归一化层，本研究提出了一种用于提高跨领域少样本学习性能的方法，并在 8 个数据集上的实验证实了其优越性。
PDF4 months ago
增强边缘端神经网络可靠性：随机仿射变换的反向归一化
提出了一种用于提高内存计算架构中部署的 BayNN 的鲁棒性和推断准确性的方法，其中引入了一个新型的标准化层以及随机的仿射变换，经过各种基准数据集的实证结果表明，推断准确性呈现出优雅的降级，改进幅度高达 58.11%。
PDF5 months ago
AAAI通过渐进式学习和自适应蒸馏在适配器中利用归一化层进行跨领域少样本学习
我们介绍了一种新的通用框架，利用适配器中的归一化层和渐进学习自适应蒸馏（ProLAD），解决了跨领域少样本学习中的批次统计偏移和噪声样本统计的问题，通过两个不同的适配器和自适应蒸馏技术，我们的方法在标准的跨领域少样本学习基准中表现出超越现有
PDF7 months ago
无监督批归一化适应（UBNA）：一种域自适应方法，用于语义分割而不使用源域表示
本文提出一种新颖的无监督归一化层自适应方法 (Unsupervised BatchNorm Adaptation, UBNA)，该方法通过部分适应归一化层统计来将给定的预训练模型适应到看不见的目标领域，无需使用来自源领域的任何表示 (既没有
PDF4 years ago
CVPR一个用于图像风格转换的内容变换块
该论文主要研究了利用内容转换模块和归一化层实现以样式为导向的图像风格转移，并且能够实现高分辨率图像合成和实时视频风格化，通过定量和定性的实验验证了该方法的有效性。
PDF4 years ago
一种面向域不可知的无监督对抗域自适应规范化层
我们提出了一种适用于语义场景分割领域的无监督领域自适应规范化层，通过引入 Domain Agnostic Normalization 层，我们的方法在 GTA5 和 Cityscapes 数据集上均优于现有的最先进技术，并且还在 Apoll
PDF6 years ago