progressive random convolutions for single domain generalization论文阅读过程

发布时间:2023年12月18日

采用的是吴恩达老师的论文阅读方法。

阅读过程:

Multiple passes[多次通读]

Read the title/abstract/figures

Title

Progressive

采用渐进的方式,逐步改进模型性能或逐步引入新的技术。渐进性通常表示逐步迭代和改进。

Progressively stack randconv block【重复迭代】--block(变形偏移+仿射变换)【保留语义并获得更多style】

Random convolutions

可能在卷积层中引入某种随机性或随机特征来提高性能。【猜测可能用crf】
基于randconv

Single domain generalization

主要目标是解决单一领域泛化问题。泛化指模型在未见过的数据上表现良好的能力。单一领域泛化问题是指模型在训练时只能访问一个领域的数据,但需要在其他领域的数据上进行泛化而不失去性能。【和few-shot learning有类似】
从一个源域中学到鲁棒的representation--生成多样的samples从而扩展源域的覆盖范围

文章来源:https://blog.csdn.net/m0_62153438/article/details/134945775
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。