一篇新论文提出对图像分类器中的全局平均池化（GAP）进行重新评估，认为这些模型可以被解读为多实例学习器。研究表明，即使图像级别的预测不正确，潜在的空间类别证据也常常被保留和可恢复。这种视角允许将图像级别的 logits 分解为预测网格，提供了一种诊断工具，以揭示之前被 GAP 隐藏的空间类别信息。 AI
排序理由 该集群包含一篇学术论文，详细介绍了对现有机器学习技术的新理论解读。
AI 生成摘要 · Google Gemini · 来自 2 个来源。 我们如何撰写摘要 →
新论文将图像分类器重新解读为多实例学习器
报道来源 [2]
-
Rethinking Global Average Pooling: Your Classifier Is Secretly a Multi-Instance Learner
arXiv:2606.14555v1 Announce Type: cross Abstract: Modern image classifiers widely adopt global average pooling (GAP) followed by a linear classification head. This linearity ensures that the image-level logits equal the average of logits obtained by applying the classification he…
-
重新思考全局平均池化：你的分类器秘密地是一个多实例学习器
Modern image classifiers widely adopt global average pooling (GAP) followed by a linear classification head. This linearity ensures that the image-level logits equal the average of logits obtained by applying the classification head pointwise to the feature grid prior to GAP. Con…