实体
ViT-B16
ViT-B16
PulseAugur coverage of ViT-B16 — every cluster mentioning ViT-B16 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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
SHUFFLESPARSE学习的置换可提高结构化稀疏网络的准确性
研究人员开发了SHUFFLESPARSE，一种新颖的置换原语，旨在增强神经网络中的结构化权重稀疏性。该方法旨在缩小结构化和非结构化稀疏训练之间的准确性差距，尤其是在高稀疏度水平下。通过与权重矩阵一起学习置换矩阵，SHUFFLESPARSE在ViT-B16和GPT-2等模型的准确性方面显示出显著的改进，并显著将LLaMA-2 7B的零样本准确性提高了4.6个百分点。
-
新架构利用自适应DCT和混合骨干网络解决稀有动物图像分类问题
一篇研究论文介绍了一种新颖的深度学习架构，旨在提高稀有动物物种的图像分类准确性，这些物种的数据本身就很少。所提出的混合框架结合了一个自适应离散余弦变换（DCT）预处理模块与Vision Transformer (ViT-B16) 和 ResNet50 骨干网络。该方法利用频域线索和空间表示，通过跨层融合策略在分类前将它们整合起来。