关键词variational relaxation
搜索结果 - 2
- 概率性权重修正:用于量化的神经网络权重不确定性的大规模训练
该论文提出了一种基于贝叶斯神经网络(BNNs)和变分松弛的概率性框架,用于确定可以将哪些权重转移到哪个聚类中心以及在多大程度上,以提高权重共享量化方法的压缩性能和准确性。
- 深度变分实例分割
本文提出了一种利用全卷积神经网络直接预测实例标签的方法,并将分割问题作为最小化优化函数的变分松弛问题来处理,并扩展了经典的 Mumford-Shah 变分分割问题以处理实例分割中的置换不变标签,实验证明此方法能有效地解决实例分割任务。