BaVerLy: Mini-Batch-Verifikation steigert Robustheitsprüfung neuronaler Netze
Anzeige
Neuer Ansatz für Bildklassifikation kombiniert Convolutional Neural Networks mit Aufmerksamkeitsmechanismen, um die Genauigkeit auf ImageNet zu erhöhen. Der hybride Algorithmus erzielt dabei einen signifikanten Leistungszuwachs bei gleichzeitig verbesserter Rechenleistung und eröffnet damit neue Anwendungsmöglichkeiten in der Computer Vision.
Ähnliche Artikel
arXiv – cs.LG
•
Neuer Ansatz reduziert Klassengleichgewicht durch Margin-Regularisierung
MarkTechPost
•
Zero Padding in CNNs: Kosten und Nutzen im Überblick
arXiv – cs.AI
•
DenseNet121 führt KI-gestützte Abfallklassifizierung zur Kreislaufwirtschaft an
arXiv – cs.LG
•
Domain‑Features schlagen Transformers bei Emotionserkennung im EAV‑Datensatz
MarkTechPost
•
Kornia: Differenzierbare Vision mit Geometrieoptimierung, LoFTR & GPU‑Augmentierungen
arXiv – cs.LG
•
Neue Methode nutzt Zeitreihen für robustere Testzeit‑Anpassung