实体
ImageNet100
ImageNet100
PulseAugur coverage of ImageNet100 — every cluster mentioning ImageNet100 across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 3
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 3 条
-
新的无监督方法使人工智能能够从无标签数据中学习新的视觉类别
研究人员开发了一种名为 ICPL（基于置信度的伪标签的无监督增量学习）的新方法，使深度学习模型能够在计算机视觉任务中从无标签数据中学习新类别。该方法解决了现有类别增量学习方法需要完全标记数据集的局限性。ICPL 将伪标签与置信度选择相结合，应用于各种 CIL 方法，在与监督技术相比时取得了有竞争力的结果，并在最终准确率上超越了最先进的 class-iNCD 方法 5% 以上。该方法已在 CIFAR-100 和 ImageNet100 …
-
新研究表明数据集蒸馏效果不如核心集选择
一篇新的研究论文批判性地评估了数据集蒸馏（DD）方法，发现它们通常不如更简单的核心集选择（CS）策略，尤其是在ImageNet等大规模数据集上。该研究将七种最先进的DD方法与三种CS策略进行了基准测试，结果显示DD方法的计算成本可能更高，且实际优势有限。核心集还能更好地覆盖原始数据分布。
-
GridPE 引入受神经科学启发的嵌入，适用于任意维度
研究人员引入了 GridPE，这是一个新颖的位置嵌入框架，其灵感来源于哺乳动物网格细胞的空间认知。该方法旨在提高对任意维度空间关系的理解，解决了 RoPE 等现有技术在高维任务中的局限性。GridPE 整合了计算神经科学和调和分析的原理，理论上证明了其逼近空间函数的能力，并在 2D 图像分类和 3D 点云识别等任务上展示了卓越的性能。