BriefGPT - AI 论文速递
·
TTA-Nav: 测试时自适应恢复点目标导航在视觉损坏下
💡
原文中文，约400字，阅读约需1分钟。
📝
内容提要
本文提出了一种在边缘设备上改善测试时间适应性的方法，通过减少内存使用量来实现。该方法包括轻量级元网络和自我蒸馏正则化，实验结果表明在图像分类和语义分割任务上优于其他方法，且内存使用量较少。
🎯
关键要点
- 提出了一种在边缘设备上改善测试时间适应性的方法。
- 该方法通过减少内存使用量来实现内存效率。
- 方法包括轻量级元网络和自我蒸馏正则化两个组件。
- 轻量级元网络可以在目标领域中适应冻结的原始网络。
- 自我蒸馏正则化控制元网络输出，防止知识丢失。
- 该方法在图像分类和语义分割任务上优于其他方法。
- 使用 ResNet-50 和 WideResNet-40 的方法比 CoTTA 方法少使用了 86% 和 80% 的内存。
➡️
