深度学习的模型,一般是用别人的网络作为主干特征提取网络backbone,来提取特征,然后再加入自己的改进的小部件component,一个小创新点novel idea。对于科学研究而言,只需要做消融实验可以证明,加入你的方法可以让这一个backbone的性能更好即可。只有对于公司而言,做的产品才需要证明比市场上的所有其他产品更好。
而有些论文中使用without bells and whistles(没有花里胡哨的东西)这样的论述,是表明,他所提出的这个改进方法,即使你不使用神经网络的调参技巧(tricks),也可以提升性能,也就是说,他的改进是对本质的东西进行改进,并不是偶然。
对于without bells and whistles的理解
最新推荐文章于 2024-09-25 12:32:51 发布
文章探讨了深度学习模型中,如何通过利用现成的backbone并加入创新小部件来提升性能。科学研究强调通过消融实验验证方法的有效性,而商业产品需证明优于市场。作者指出一些论文中的withoutbellsandwhistles表示改进是基于核心原理而非依赖于调参技巧。
摘要由CSDN通过智能技术生成