CNN根本無需理解圖像全局結(jié)構(gòu)，一樣也能SOTA？

好家伙，在CIFAR-10上，用16×16的圖像碎片訓(xùn)練出來的模型，測(cè)試準(zhǔn)確率能達(dá)到91%，而用完整的32×32尺寸圖像訓(xùn)練出來的模型，測(cè)試準(zhǔn)確率也不過90%。

2022-06-09 標(biāo)簽：圖像分類數(shù)據(jù)集cnn 1380 0

xgboost超參數(shù)調(diào)優(yōu)技巧 xgboost在圖像分類中的應(yīng)用

一、XGBoost超參數(shù)調(diào)優(yōu)技巧 XGBoost（eXtreme Gradient Boosting）是一種基于梯度提升決策樹（GBDT）的高效梯度提升...

2025-01-31 標(biāo)簽：參數(shù)圖像分類機(jī)器學(xué)習(xí) 1239 0

復(fù)旦&微軟提出?OmniVL：首個(gè)統(tǒng)一圖像、視頻、文本的基礎(chǔ)預(yù)訓(xùn)練模型

根據(jù)輸入數(shù)據(jù)和目標(biāo)下游任務(wù)的不同，現(xiàn)有的VLP方法可以大致分為兩類：圖像-文本預(yù)訓(xùn)練和視頻-文本預(yù)訓(xùn)練。前者從圖像-文本對(duì)中學(xué)習(xí)視覺和語言表征的聯(lián)合分布...

2022-12-14 標(biāo)簽：圖像圖像分類 1205 0

模型部署是打通AI應(yīng)用的最后一公里

為了更好的滿足用戶多種視覺任務(wù)場(chǎng)景，部署Demo基于PaddleX的Deployment模塊進(jìn)行二次開發(fā)，不僅僅支持對(duì)PaddleX自身訓(xùn)練的模型進(jìn)行推...

2022-06-07 標(biāo)簽：AI圖像分類工業(yè)制造 1190 0

xgboost在圖像分類中的應(yīng)用

XGBoost（eXtreme Gradient Boosting）是一種高效的機(jī)器學(xué)習(xí)算法，它基于梯度提升框架，通過構(gòu)建多個(gè)弱學(xué)習(xí)器（通常是決策樹）來...

2025-01-19 標(biāo)簽：圖像分類機(jī)器學(xué)習(xí)XGBoost 1016 0

使用元學(xué)習(xí)進(jìn)行少樣本圖像分類

首發(fā)：AI公園公眾號(hào)作者：Etienne編譯：ronghuaiyang導(dǎo)讀你并不總是有足夠的圖像來訓(xùn)練一個(gè)深度神經(jīng)網(wǎng)絡(luò)。下面是教你如何通過幾個(gè)樣本讓...

2020-12-14 標(biāo)簽：圖像分類深度學(xué)習(xí) 758 0

大連理工提出基于Wasserstein距離(WD)的知識(shí)蒸餾方法

自 Hinton 等人的開創(chuàng)性工作以來，基于 Kullback-Leibler 散度（KL-Div）的知識(shí)蒸餾一直占主導(dǎo)地位。 然而，KL-Div 僅比...

2025-01-21 標(biāo)簽：圖像分類目標(biāo)檢測(cè) 637 0