BriefGPT - AI 论文速递
·
预训练检测器的高效可迁移性评估
💡
原文中文，约300字，阅读约需1分钟。
📝
内容提要
本文提出了一个基于能量的可转移性评估度量（ETran），用于解决目标检测和图像分类中预训练模型的排名问题。ETran通过能量得分、分类得分和回归得分来判断目标数据集对预训练模型是否为带内或带外数据，并在分类、回归和目标检测任务上都适用。实验证明，ETran在目标检测和分类基准测试上的平均性能分别比先前的方法提高了21%和12%。
🎯
关键要点
- 提出了基于能量的可转移性评估度量ETran。
- ETran用于解决目标检测和图像分类中预训练模型的排名问题。
- 通过能量得分、分类得分和回归得分判断数据集是否为带内或带外数据。
- ETran适用于分类、回归和目标检测任务。
- ETran是首个针对目标检测任务的可转移性评估研究。
- 在四个基准测试和两个任务上的实验表明，ETran在目标检测和分类上的平均性能分别提高了21%和12%。
- ETran在转移性评估方面达到了最新成果。
➡️
