研究人员推出了一种名为 ProtoSeam 的新方法,通过重新构建监督分类来提高分类器准确率。该技术涉及在语义接口处分割神经网络,并为每个类别插入一个可学习的原型。在训练过程中,共识惩罚将初始网络层的输出拉向这些原型,而第二层则在围绕原型的样本上进行训练。这种方法在 ResNet 和视觉 Transformer 架构上,于 CIFAR-10、CIFAR-100 和 TinyImageNet 等数据集上,将测试准确率提高了多达六个百分点,并且在推理时不会改变网络。 AI
影响 该方法提供了一种在不改变架构的情况下提高分类器性能的方法,有望提高各种计算机视觉任务的准确率。
排序理由 该集群包含一篇详细介绍提高分类器准确率的新方法的 ist 研究论文。[lever_c_demoted from research: ic=1 ai=1.0]
- arXiv
- CIFAR-10
- CIFAR-100
- Gaussian Mixture Models
- Hugging Face
- ProtoSeam
- residual neural network
- Robert Lampel
- TinyImageNet
- vision transformer
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →