AITOP

图像分类

共 5 条相关 AI 资讯
7月1日
11:10
11:10官方账号arXiv cs.LG@Cesar Roder, Kajetan Schweighofer
深度神经网络分类器常因依赖训练数据中的虚假背景特征而导致泛化失败。新方法AutoBackSwap通过辅助网络分离前景和背景，并用填充方式生成完整背景，然后将不同前景与填充背景组合来增强训练数据。仅需几百个样本的补丁标注即可训练辅助网络，并自动增强整个数据集。在多个具有虚假背景的图像分类任务上，AutoBackSwap始终优于先前方法，即使在训练数据中没有任何打破虚假相关性的样本时也有效。
论文AutoBackSwap图像分类虚假相关性数据增强模型鲁棒性
推荐理由：这篇论文提出了AutoBackSwap，只用几百张图片的标注就能让模型不依赖背景，效果比之前的方法都好，做图像分类的值得一看。
原文
09:56
09:56官方账号arXiv cs.LG@Clément Fuchs, Tim Bary, Benoît Macq
本文对视觉-语言模型（VLMs）在自然图像分类任务上使用局部化共形预测（localized conformal prediction）进行不确定性量化。作者通过开源实现基准测试，发现直接使用测试样本与校准样本视觉特征的余弦相似度并不能优于非局部基线。他们提出一种简单的非线性变换，在保持边缘覆盖保证的同时，实现了统计显著的集合大小平均减少。实验在多个VLM上验证了有效性。
论文VLM共形预测不确定性量化图像分类余弦相似度
推荐理由：这篇论文发现直接用余弦相似度搞局部共形预测效果一般，但换个非线性变换后，预测集变小了，值得做VLM不确定性量化的看看。
原文
6月16日
12:26
12:26官方账号arXiv cs.LG@Alper Yıldırım
论文复现了Oppenheim和Lim（1981）的经典实验，在隐藏层中测试相位与幅度对图像识别的影响。在PRISM2D、GFNet和ViT-B/16中，预测完全跟随相位或符号捐赠者，删除幅度信息后准确率几乎不变。ResNet-50在ReLU后看似不遵循此模式，但ReLU前的干预显示晚期块中存在强相位编码，且DC-only控制表明读取器依赖通道式空间平均。这些架构共享相位/符号身份编码，但因整流和读取几何暴露在不同基底上，为CNN与注意力模型间的纹理-形状差距提供了机理解释。
论文PRISM2DGFNetViT-B/16ResNet-50相位编码图像分类神经网络
推荐理由：这篇论文用Oppenheim-Lim实验方法测试了多个模型（ViT、CNN）的内部表示，发现相位才是关键，还解释了为什么CNN和ViT对纹理和形状的偏好不同。
原文
6月15日
11:12
11:11