- 博客(5)
- 收藏
- 关注
RSS订阅原创 小波集成CNN进行噪声鲁棒的图像分类
小波集成CNN进行噪声鲁棒的图像分类Wavelet Integrated CNNs for Noise-Robust Image Classification文章目录小波集成CNN进行噪声鲁棒的图像分类摘要一、引言二、相关工作2.1 噪声鲁棒性2.2 下采样2.3 小波三、我们的方法3.1 DWT和IDWT层3.2 WaveCNets摘要卷积神经网络（CNN）通常容易受到噪声干扰，即较小的图像噪声会导致输出的急剧变化。 为了抑制噪声对最终预测的影响，我们通过用离散小波变换（DWT）替换最大池化
2020-12-15 16:13:13
2748
2
原创 MutualNet：通过从网络宽度和分辨率互学习的自适应ConvNet
MutualNet: Adaptive ConvNet via Mutual Learning from Network Width and Resolution文章目录摘要1. 引言2. 相关工作3. 方法3.1 预备知识3.2 重新思考高效的网络设计3.3 互学习框架4. 实验4.1 ImageNet分类评估摘要我们提出了宽度-分辨率互学习的方法（MutualNet），以训练可在动态资源约束下执行的网络，从而在运行时实现自适应的精度-效率的折衷。我们的方法使用不同的输入分辨率训练一组具有不同
2020-11-05 15:12:18
539
原创 在没有测试集的情况下计算测试误差
在没有测试集的情况下计算测试误差Computing the Testing Error without a Testing Set在没有测试集的情况下计算测试误差在没有测试集的情况下计算测试误差摘要1. 引言2. 拓扑概要1.引入库2.读入数据总结摘要深度神经网络（DNN）彻底改变了计算机视觉。 现在，我们的DNN在许多问题上都取得了最佳的（性能）结果，其中包括目标识别，面部表情分析和语义分割等。 然而，实现最佳结果的DNN的设计并非易事，而且大多是通过试错来完成的。 也就是说，研究人员通常会
2020-11-04 16:56:36
970
原创 图像分类中的对抗鲁棒性
Benchmarking Adversarial Robustness on Image Classification图像分类中的对抗鲁棒性摘要1.引言2.威胁模型2.1 攻击者的目标2.2 攻击者的能力2.3 攻击者的知识3. 攻击与防御3.1攻击方法3.2 防御4. 评估方法4.1 评价指标4.2 评估数据集和算法2.读入数据总结摘要深度神经网络容易受到对抗样本的攻击，这成为深度学习发展中最重要的研究问题之一。 尽管近年来已经做出了许多努力，但是对对手的攻击和防御算法进行正确而完整的评估具有重
2020-11-02 10:02:44
4778
3
原创 ODC:在线深度聚类的无监督表示学习
在线深度聚类的无监督表示学习Online Deep Clustering for Unsupervised Representation Learning提示：写完文章后，目录可以自动生成，如何生成可参考右边的帮助文档文章目录在线深度聚类的无监督表示学习摘要1.引言2.相关工作2.1 无监督表示学习2.2 自监督学习的改进算法方法3.1 ODC3.2 解决ODC的聚类分布3.3 ODC用于无监督微调3.4 实现细节摘要联合聚类和特征学习方法在无监督表示学习领域表现出卓越的性能。 但是，在特征
2020-10-30 15:31:03
2179
1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人