技術(shù)分析：基本的圖像重建場景
2021-01-09 21:56
金翅創(chuàng)客
關(guān)注
金翅導(dǎo)讀
深度學(xué)習(xí)在各種任務(wù)的預(yù)測建模方面取得了許多最新進(jìn)展,但是公眾仍然對神經(jīng)網(wǎng)絡(luò)的非直覺化泛化行為感到震驚,例如記憶標(biāo)簽改組數(shù)據(jù)的能力和對抗示例的脆弱性。為解釋神經(jīng)網(wǎng)絡(luò)的泛化行為,目前已逐步取得了許多理論突破,包括研究隨機(jī)梯度下降的性質(zhì),不同的復(fù)雜性度量,泛化差距,以及來自不同方面的更多信息模型或算法的觀點。
本次分享一個基本的圖像重建場景,其中包括降低低頻語義分量和根據(jù)閾值半徑進(jìn)行高低頻劃分等方法。通過實驗驗證了學(xué)者們對于頻率分量影響CNN模型優(yōu)化的結(jié)論,其中發(fā)現(xiàn)了人類對于圖像分類的基本過程與CNN是有所差異的。因此,觀察結(jié)果導(dǎo)致了與CNN泛化行為相關(guān)的多種假設(shè),包括對對抗性示例的潛在解釋,對CNN魯棒性和準(zhǔn)確性之間的權(quán)衡的討論,以及引用了一些國內(nèi)外論文對于高等圖像重建方法優(yōu)化的實驗。
往期 · 推薦
分享
聲明：
本文由入駐維科號的作者撰寫，觀點僅代表作者本人，不代表OFweek立場。如有侵權(quán)或其他問題，請聯(lián)系舉報。
請輸入評論內(nèi)容...
請輸入評論/評論長度6~500個字
最新活動更多
推薦專題
- 1 UALink規(guī)范發(fā)布：挑戰(zhàn)英偉達(dá)AI統(tǒng)治的開始
- 2 北電數(shù)智主辦酒仙橋論壇，探索AI產(chǎn)業(yè)發(fā)展新路徑
- 3 降薪、加班、裁員三重暴擊，“AI四小龍”已折戟兩家
- 4 “AI寒武紀(jì)”爆發(fā)至今，五類新物種登上歷史舞臺
- 5 國產(chǎn)智駕迎戰(zhàn)特斯拉FSD，AI含量差幾何？
- 6 光計算迎來商業(yè)化突破，但落地仍需時間
- 7 東陽光：2024年扭虧、一季度凈利大增，液冷疊加具身智能打開成長空間
- 8 地平線自動駕駛方案解讀
- 9 封殺AI“照騙”，“淘寶們”終于不忍了？
- 10 優(yōu)必選：營收大增主靠小件，虧損繼續(xù)又逢關(guān)稅，能否乘機(jī)器人東風(fēng)翻身？
