跳到正文
arXiv · 机器人与计算机视觉· Yanir Harel, Shalom Rosner, Ronit D. Gross, Tal Halevi, Shilo Glam, Ella Koresh, Ido Kanter·· 16 天前AI 评分42

VGG 与 ViT 架构在频率域分类优于空间域的混合模型研究

When frequency domain classification is superior to spatial

AI 导读

该研究表明,现代图像分类模型依赖局部特征导致其在频率域表现不佳,而混合使用仅训练于频率域和空间域的模型可提升 ImageNet-100、WikiArt 等数据集上的准确率。提出的视觉几何组(VGG)与视觉 Transformer(ViT)架构在多个数据集上评估显示,利用含全局特征的空间数据能显著提高频率域精度。此预印本论文探讨了频率域分类相对于空间域的优越性,为计算机视觉提供新视角。

来源:arXiv · 机器人与计算机视觉 · arxiv.org