实体
Global Average Pooling
Global Average Pooling
PulseAugur coverage of Global Average Pooling — every cluster mentioning Global Average Pooling across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 2 条
-
新论文将图像分类器重新解读为多实例学习器
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。
-
新方法应对CNN对虚假关联的依赖
研究人员开发了深度注意力重加权（DAR）方法，这是一种新颖的事后方法，用于提高卷积神经网络（CNN）的泛化能力和公平性。DAR通过使用基于注意力的聚合模块选择性地抑制不相关特征，解决了CNN利用数据集中虚假关联的问题。该模块取代了标准的全局平均池化层，并与分类头一起重新训练，其性能优于现有的深度特征重加权技术。