域泛化是從一個或多個源域中學習，其目標是提取一個可以在未知目標域中使用的域不變模型。在網絡訓練過程中，模型可能會過度依賴于訓練數據集的分布，最終導致無法準確捕獲未見數據中存在的適當模式。近日，中國科學院沈陽自動化研究所機器人學研究室機器智能課題組提出了一種加權標簽平滑正則化方法。相關成果發表在Knowledge-Based Systems。
該方法通過加權標簽平滑正則化引入類間監督，使得模型更加關注類別之間的相對關系而不是絕對差異，從而幫助模型學習到更通用的特征，緩解網絡的過擬合特性，提高模型對未知新數據的泛化能力。此外，權重自適應技術尋求遷移性和判別性之間的平衡，使網絡更新更加穩定。
該研究成果為解決現實世界不同光線、不同天氣場景下的視覺感知問題提供了新思路。
相關論文信息：https://doi.org/10.1016/j.knosys.2024.112877
本文鏈接：域泛化研究取得新進展http://www.lensthegame.com/show-11-18580-0.html
聲明：本網站為非營利性網站，本網頁內容由互聯網博主自發貢獻，不代表本站觀點，本站不承擔任何法律責任。天上不會到餡餅，請大家謹防詐騙！若有侵權等問題請及時與本網聯系，我們將在第一時間刪除處理。
上一篇： 生活型植物細根“擁有”不同的資源獲取策略