Mahboubeh Dadkhah

新的基于概念的多样性方法提高了DNN微调效率

研究人员开发了一种名为基于概念的多样性（CBD）的新方法，用于高效地选择用于微调深度神经网络（DNN）的信息性数据子集。该方法利用视觉语言模型（VLMs）来衡量输入多样性，与几何多样性等现有方法相比，显著降低了计算成本。一种结合CBD和称为Margin的不确定性度量的混合方法在改进ImageNet等各种数据集上的DNN模型方面表现出优越的性能，同时保持了计算效率。