English(EN) Label-efficient underwater image classification with logistic regression on frozen foundation model embeddings

冻结基础模型嵌入实现标签高效水下图像分类

作者 PulseAugur 编辑部 · [1 个来源] · 2026-08-26 04:00

研究人员展示了一种使用冻结基础模型嵌入进行标签高效水下图像分类的方法。通过采用 DINOv3 ViT-B/16 嵌入，并仅在 AQUA20 基准测试上训练逻辑回归分类器，他们以显著降低的标注成本实现了具有竞争力的性能。即使每类只有 13 张标注图像，该方法也达到了 81.8% 的平均宏 F1 分数，接近使用整个训练集的完全监督方法的性能。 AI

影响这种方法可以显著降低在水下图像分析等专业领域训练 AI 模型所需的成本和计算资源。

排序理由该条目是一篇学术论文，详细介绍了一种新颖的图像分类方法。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.CV 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

本文如何被排名

Signal score: 35 / 100; Composite score across the factors below. Higher = stronger signal that this story matters right now.
Newsworthiness bucket: Tool; 该条目是一篇学术论文，详细介绍了一种新颖的图像分类方法。[lever_c_demoted from research: ic=1 ai=1.0]
Source corroboration: Single-source cluster; Only one publisher covered this so far. Single-source stories can still rank when the publisher is high-authority, but they lack cross-source corroboration.
Topics: paper, model release; Editorial topic classification. Feeds into how the story surfaces on /topic/<slug> hub pages and into the per-entity coverage mix.
AI-industry relevance: High; Clearly on-topic for AI-industry coverage.
Story freshness: Breaking (< 6h); Fresh story with cross-source coverage still developing. Ranking may shift as more sources report.

完整方法见我们的编辑标准。

报道来源 [1]

arXiv cs.CV TIER_1 English(EN) · Thomas Manuel Rost, Martina Figlia, F. Morgado-Dias, Marko Radeta · 2026-08-26 04:00

使用冻结基础模型嵌入上的逻辑回归进行标签高效水下图像分类

arXiv:2604.00313v3 Announce Type: replace Abstract: Underwater image classification is constrained by the cost of annotation and by the computational and methodological requirements of task-specific model development. We investigate whether frozen general-purpose foundation-model…

本文如何被排名

报道来源 [1]

使用冻结基础模型嵌入上的逻辑回归进行标签高效水下图像分类

相关实体

相关话题