ProtoSeam提升分类器训练方法发布
热点事件持续更新
ProtoSeam提升分类器训练方法发布
1 篇报道1 个报道来源16 小时前更新
先了解这件事
AI 综述
Robert Lampel、Timon Klein和Sebastian Sager提出ProtoSeam,一种基于隐式高斯混合模型提升分类器训练的方法。 该方法在网络单一语义接口处插入每类可学习原型,训练时结合二次共识惩罚与分类损失,且不跨接口传递梯度。 ProtoSeam无需改变推理时架构,在CIFAR-10、CIFAR-100和TinyImageNet数据集上,测试准确率最高提升6个百分点。
AI 根据报道生成 · 16 小时前更新
最新进展11月20日 13:00
ProtoSeam:利用隐式高斯混合模型提升分类器训练报道时间线
沿着报道,了解事件的不同侧面。
11月20日
- arXiv · MLProtoSeam:利用隐式高斯混合模型提升分类器训练
ProtoSeam 提出一种无需改变推理时架构的分类器训练重构方法,在 CIFAR-10、CIFAR-100 和 TinyImageNet 数据集上,测试准确率最高提升 6 个百分点。 该方法在网络单一语义接口处插入每类可学习原型,训练结合二次共识惩罚与分类损失,且不跨接口传递梯度。
本事件热度走势
- 可比范围当前
- 6
- 可比范围峰值
- 1011月20日 14:00
- 近 24 小时变化
- –
02.557.510
15:0018:0021:0011月21日03:00
趋势仅比较持续完整观测到的相同主体,范围可能小于当前热度统计。移动指针或点击图表查看每小时热度;键盘可用左右方向键切换。