ResNet18
PulseAugur coverage of ResNet18 — every cluster mentioning ResNet18 across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
新框架为计算机视觉模型提供因果可解释性
研究人员开发了一种新的计算机视觉模型因果可解释性框架，称为空间注意力噪声掩码。该方法在分类前动态掩码输入图像，为模型预测提供因果解释，并将责任分配给特定的输入特征。该框架使用U-Net风格的掩码生成器和ResNet18编码器，确保掩码稀疏且空间平滑，同时保持分类性能。
-
NPU 卸载以时间与性能为代价降低机器人训练能耗
研究人员开发了一种通过将部分计算卸载到神经网络处理单元 (NPU) 来降低机器人策略训练能耗的方法。该方法涉及冻结视觉编码器，并在 NPU 上运行其前向传播，同时在 GPU 上训练动作生成模块。虽然此方法将能耗降低了高达 27.9%，并减少了 GPU 内存分配，但与仅使用 GPU 的基线相比，训练时间增加了高达 37.7%，策略成功率略有下降。
-
显著性引导裁剪在恶意软件图像分类中效果不一
研究人员调查了显著性引导裁剪技术在基于图像的恶意软件分类中的有效性。他们使用RawMal-TF数据集和ResNet18架构进行了实验，比较了四种训练条件：无裁剪、随机裁剪、低显著性裁剪和高显著性裁剪。结果表明，虽然低显著性裁剪略微提高了在自然图像CIFAR-100数据集上的性能，但在RawMal-TF的恶意软件图像上，所有裁剪方法与无裁剪相比，性能均略有下降。这表明显著性引导裁剪的效用是领域特定的，恶意软件图像可能需要不同于自然图像的…
-
经典 SU(2) 模型在视觉任务上优于量子电路
一篇新的研究论文在各种视觉基准测试上比较了经典 SU(2) 模型与变分量子电路 (VQC)。研究发现，四元数神经网络（一种经典 SU(2) 模型）在 MNIST、Fashion-MNIST 和 CIFAR-10 等数据集上的表现与浅层 VQC 相当或更好。虽然四元数网络保持了很高的实值网络性能百分比，但 VQC 显示出较低的准确率和较高的计算成本，这表明对于缺乏内在量子结构的任务，经典 SU(2) 几何可以作为浅层量子电路的有效替代方案。
-
新CPDA框架增强无监督时间序列域自适应
研究人员引入了类条件路径分布对齐（CPDA），一种用于无监督时间序列域自适应的新型框架。与现有对齐边缘特征分布的方法不同，CPDA侧重于对齐源域和目标域的类条件潜在路径分布。该方法利用复合签名-谱核来整合语义特征、时间结构和频域动态，通过源标签和目标伪标签进行类保留对齐。理论分析支持CPDA作为核差异的有效性，大量实验表明其在13个时间序列域自适应基准测试中优于众多基线。
-
四元数网络在视觉任务上表现优于量子电路
研究人员将四元数神经网络与浅层变分量子电路（VQC）在经典监督学习任务上的性能进行了比较。研究发现，在MNIST、Fashion-MNIST和CIFAR-10等基准测试中，四元数网络的性能普遍能媲美或接近实值神经网络的性能。相比之下，浅层VQC的准确率较低，计算成本较高，这表明共享的局部SU(2)几何结构不足以在这些场景中带来实际的量子优势。
-
新的机器遗忘方法可最大限度地减少对相似数据的附带损害
研究人员开发了一种新的机器遗忘方法，旨在最大限度地减少对语义相似数据的附带损害。这种名为保留感知本地化（retain-aware localization）的方法考虑了模型参数对于被遗忘和保留的数据的重要性。在 CIFAR-10 数据集上使用 ResNet18 模型进行的实验表明，该方法在有效减少附带损害的同时，也提高了标准的遗忘指标。
-
研究发现：量化会影响深度学习模型解释
一篇新发表在arXiv上的研究调查了训练后量化（PTQ）如何影响深度学习模型的可解释性。研究人员使用结合了Grad-CAM和LIME的双重框架，在INT8和INT4精度下评估了五种常见的CNN架构（VGG19、ResNet18、EfficientNet-B0、DenseNet161和MobileNetV2）。研究结果表明，量化会改变模型的内部推理，尽管DenseNet161的分类准确率与EfficientNet-B0相似，但其可解释性…
-
物理感知数据增强改进了激光散斑材料分类
研究人员探讨了数据增强技术如何影响深度学习模型在激光散斑模式分类以进行材料识别方面的性能。他们使用ResNet18和EfficientNet-B0在SensiCut数据集上进行的研究发现，高斯模糊和独立噪声等标准增强方法是有害的，因为它们会破坏散斑模式中至关重要的结构信息。相反，保持散斑组织的空间相关扰动显著提高了模型的鲁棒性。研究结果表明，专注于结构保持的物理感知增强设计是有效相干光学传感应用的关键。
-
研究发现：量化会影响深度学习模型解释
一项新研究调查了训练后量化（PTQ）对深度学习模型可解释性的影响，特别关注了五种卷积神经网络（CNN）架构。研究人员发现，虽然像INT8和INT4这样的量化方法在很大程度上保留了分类准确性，但它们会显著改变模型的内部推理和解释。该研究使用了一个结合了Grad-CAM和LIME的双重框架来分析空间注意力和输入级特征归因，结果表明在低精度下保持可解释性，架构选择至关重要。
-
QScheduler 算法赋能微控制器上的自适应设备端 AI 训练
研究人员开发了 QScheduler，这是一种自适应算法，旨在优化配备神经网络处理单元 (NPU) 的微控制器上的设备端训练。该方法仅通过前向传播来估计梯度，使其适用于没有反向传播能力的设备并减少内存使用。QScheduler 根据训练进度动态调整梯度样本数量，无需进行昂贵的超参数搜索。在 STM32N6 的 Neural-ART NPU 上的初步实验表明，QScheduler 在 EuroSAT 和 STL-10 等数据集上，对于 …
-
新的分层集成方法改进了斑马鱼表型分类
研究人员开发并评估了三种用于从胚胎图像分类斑马鱼表型的分层集成方法。该研究比较了三种骨干架构：ResNet18、ViT 和 ConvNeXt。ConvNeXt 在整体上表现出最高的性能，其中设置 2 中的专用分层集成在 F1 分数上实现了最佳平衡，表明其在斑马鱼表型识别方面的有效性。
-
NeuronSoup架构在没有反向传播的情况下演进时间图
研究人员开发了NeuronSoup，这是一种新颖的神经计算架构，它偏离了传统的逐层处理。相反，它利用通过共享神经元池进行的异步、延迟介导的信号传播。该架构通过遗传算法演进，在使用冻结的ResNet18特征时，在MNIST数据集上达到了85.9%的准确率。NeuronSoup通过不要求可微分计算图并在每个样本的基础上调整其计算深度来解决当前深度学习的局限性。
-
Fisher Rank Inflation: Memorization Signature in Noisy Deep Learning
研究人员发现了一种称为 Fisher Rank Inflation 的现象，它作为在标签噪声下训练的深度学习模型中记忆的谱特征。当模型从学习干净数据结构过渡到记忆损坏标签时，会发生这种膨胀，导致每例最后一层梯度的有效秩扩大然后收缩。该研究在各种数据集和模型架构中展示了这种效应，显示标签噪声的严重程度与 Fisher 有效秩的增加之间存在相关性，这可能先于可观察到的测试性能下降。
-
新研究利用先进的AI技术解决音频深度伪造检测问题
研究人员正在开发先进的音频深度伪造检测方法，重点是提高泛化能力和可解释性。一种名为SONAR的方法利用频率引导框架来利用合成音频中的高频伪影，取得了最先进的性能。另一种方法采用维纳-霍普夫线性预测结合轻量级CNN，创建了一个可解释的检测系统，该系统在较低的复杂性下保持了具有竞争力的准确性。此外，一个使用大型音频语言模型的受人类启发的推理框架旨在为深度伪造分类提供更具可解释性的理由，而其他研究则调查了检测模型中的性别偏见，并提出了结合空…
-
新AI方法通过视频分析和步态动力学识别野生动物
研究人员开发了一种新颖的、自动化的基于视频的系统，通过分析步态动力学来识别个体野生动物。该方法利用Segment Anything Model 3 (SAM3)创建精确的动物轮廓蒙版，然后由ResNet18网络处理空间特征，并由VideoPrism transformer处理时间运动分析。该系统生成独特的步态表示，并使用余弦相似度进行比较，从而无需物理标记或侵入性标记即可对个体进行聚类。对各种物种进行的实验表明，根据运动模式区分个体方…
-
新的LINet架构可在RGB-D场景分类中实现连续跨模态学习
研究人员推出了一种新颖的多流神经网络（MSNN），名为LINet，用于RGB-D场景分类。与现有离散融合特征的架构不同，LINet在每一层都采用连续集成方法，使用线性集成卷积（LIConv2d）算子。该方法通过特定的常数初始化解决了初始化问题，并使用渐进式模态丢弃来防止训练过程中的通路崩溃。在SUN RGB-D上训练时，LINet在ResNet18规模下达到了45.2%的平均类别准确率，使用ScanNet预训练后提高到49.6%。
-
深度学习模型在自动化脑肿瘤检测中达到97%的准确率
研究人员开发了一种使用卷积神经网络（CNN）和残差网络（ResNet）的深度学习方法，用于自动化MRI图像中的脑肿瘤检测。该研究应用了预训练的ResNet18和ResNet50模型的迁移学习来进行扫描分类，达到了高准确率。对近4000张图像数据集的实验表明，ResNet18表现略好，准确率达到97%，这表明其对于样本量有限的医学数据非常有效。该方法旨在为早期脑肿瘤诊断提供一种更快、更准确、更具成本效益的工具。
-
新的 LaryngealCT 数据集为癌症分期深度学习设定基准
研究人员开发了 LaryngealCT，这是一个用于使用深度学习模型对喉癌进行分期的新基准数据集。该数据集包含从癌症影像数据库 (The Cancer Imaging Archive) 收集的 1,029 张 CT 扫描图像，并已用于对六种不同的 3D 深度学习架构进行基准测试。定制的 3D CNN 在对癌症早期与晚期进行分类时取得了最佳性能，而其他模型在识别 T4 期疾病方面显示出潜力，尽管对这一晚期疾病的敏感性仍然是一个挑战。
-
新研究探讨计算机视觉系统的隐私保护技术
两篇新研究论文探讨了增强计算机视觉系统隐私的方法。第一篇论文“PrivacyBench”介绍了一个评估隐私技术组合的框架，揭示了联邦学习（FL）与差分隐私（DP）的结合可能导致显著的收敛失败和成本增加，而FL与安全多方计算（SMPC）的结合则能保持性能。第二篇论文“用于隐私保护视觉的同态加密”详细介绍了使用全同态加密在加密图像数据上执行推理任务，并在MNIST和CIFAR-10等各种数据集上展示了分类准确率的微小下降。