研究人员推出了一种名为“抗干扰CAM蒸馏”(SRCD)的新框架,旨在提高AI模型在长尾识别任务中对尾部类别的泛化能力。该方法通过在类别激活图(CAM)空间中,将头部类别的面向对象的解释转移到尾部类别,来解决模型依赖非语义线索或“捷径”的问题。SRCD利用能量模型加权,从头部类别创建鲁棒的教师CAM,然后将其蒸馏以指导尾部类别的CAM,从而有效抑制对捷径的依赖并提高在长尾基准测试上的性能。 AI
影响 这项研究为提高AI模型在类别分布不平衡数据集上的性能提供了一种新颖的方法,有望带来更鲁棒、更可靠的AI系统。
排序理由 详细介绍AI模型泛化新方法的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →