訂閱
糾錯
加入自媒體
當(dāng)前位置： OFweek 人工智能網(wǎng)   >   機器學(xué)習(xí)   >  正文

技術(shù)分析：基本的圖像重建場景

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


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。

發(fā)表評論

共0條評論，0人參與

請輸入評論內(nèi)容...

請輸入評論/評論長度6~500個字

您提交的評論過于頻繁，請輸入驗證碼繼續(xù)

暫無評論

暫無評論

    掃碼關(guān)注公眾號
    OFweek人工智能網(wǎng)
    獲取更多精彩內(nèi)容
    文章糾錯
    x
    *文字標(biāo)題：
    *糾錯內(nèi)容：
    聯(lián)系郵箱：
    *驗 證 碼：

    粵公網(wǎng)安備 44030502002758號