跳到正文
arXiv · 机器人与计算机视觉· Jinen Setpal, Chaoyue Liu·· 13 天前精选AI 评分78

通过上下文正则化交叉熵提升卷积网络的上下文偏移鲁棒性

Improving Context-Shift Robustness of Convolutional Networks via Context-Regularized Cross-Entropy

AI 导读

图像分类模型常因测试时上下文环境与训练期差异而性能下降,这种现象称为上下文偏移。本文提出一种新训练框架,利用空间特征归因引导模型更依赖物体相关特征而非背景线索。

推荐理由

提出 ContrastiveCAMs 与 CR-CE 方法,通过抑制非因果上下文线索提升卷积网络在分布偏移下的鲁棒性。

来源:arXiv · 机器人与计算机视觉 · arxiv.org