基础模型还是微调？河流污染的少样本语义分割评估
原文中文，约400字，阅读约需1分钟。发表于：。本研究针对基础模型在河流污染语义分割任务中的应用进行了评估，发现微调后的预训练监督模型在数据稀缺情况下仍然表现更佳。文章提供了一个全新的数据集和代码，以鼓励相关领域的进一步研究。
FMAS是一个用于语义分割的多目标神经架构搜索框架，通过子采样和验证数据集的子集降低了训练和评估时间。在PASCAL VOC 2012数据集上，FMAS可以快速找到性能更强且计算成本更低的模型。在边缘设备上，FMAS可以找到比现有体系结构快2.2倍的神经网络。
