CIFAR公司

CIFAR-10和CIFAR-100是8000万个微型图像数据集的子集。它们由亚历克斯·克里兹夫斯基、维诺德·奈尔和杰弗里·辛顿收集。CIFAR-10数据集包括10个级别的60000个32x32彩色图像,每个级别有6000个图像。有5万张训练图像和1万张测试图像。数据集分为五个训练批和一个测试批,每个批有10000张图像。测试批包含从每个类中随机选择的1000个图像。训练批处理按随机顺序包含剩余的图像,但是某些训练批处理可能包含来自一个类的图像多于另一个类的图像。其中,训练批次包含每个班级的5000张图片。CIFAR-100数据集:这个数据集与CIFAR-10一样,只是它有100个类,每个类包含600个图像。每节课有500张训练图片和100张测试图片。CIFAR-100中的100个类分为20个超类。每个图像都有一个“精细”标签(它所属的类)和一个“粗糙”标签(它所属的超类)。


参考文献中的数学178篇)

显示178个结果中的1到20个。
按年份排序(引用)

1 2 ... 7 8 9 下一个

  1. 巴斯克维尔,尼古拉斯P。;基廷,乔纳森P。;夹层,弗朗西斯科;Najnudel,Joseph:生成性对抗网络的损失面模型(2022)
  2. 陈其平;郝文瑞;何俊才:基于线性乘积结构的神经网络权值初始化(2022)
  3. 顾林燕;张伟;刘、贾;蔡小川:深卷积神经网络的分解组合与子网络传递学习的训练加速(2022)
  4. 耆那,尼哈利卡;奥尔莫,阿尔贝托;森古普塔,赛利克;曼尼康达,莉迪亚;Kambhampati,Subbarao:不完美的图像处理:GANs加剧面部数据增强和snapchat面部镜片偏差的影响(2022年)
  5. 琼斯,科琳;卢莱特,文森特;Harchaoui,Zaid:具有任意标记与未标记数据比率的表示学习判别聚类(2022)
  6. Knoblauch,Andreas:关于(x^p/(1-x))的反导数及其在神经网络分类中优化损失函数的应用(2022)
  7. 拉赫米里,杜尼亚;Le Digabel,Sébastien:静态代理项在超参数优化中的使用(2022)
  8. 李绍元;施,叶;黄盛军;陈松灿:用双主动标签校正改善深度标签噪音学习(2022)
  9. 刘海亮;田旭平:基于能量和动量的自适应梯度法(2022)
  10. 刘浩然;熊浩义;王亚青;安浩哲;窦德敬;吴东瑞:探索神经网络深层特征的共同主子空间(2022)
  11. 洛莫纳科,文琴佐;佩莱格里尼,洛伦佐;罗德里格斯,保罗;仙人掌,马西莫;她,琪;余、陈;乔德莱特,昆汀;王瑞平;麦哲达;巴斯克斯,大卫;帕里西语,德语I。;丘拉马尼,尼基尔;皮克特,马克;拉拉吉,伊萨姆;Maltoni,Davide:CVPR 2020计算机视觉竞赛中的持续学习:方法、结果、当前挑战和未来方向(2022)
  12. 小崎、吉彦;谷垣祯一;渡边,淑黑;野村,Masahiro;大石,Masaki:多目标树结构Parzen估计量(2022)
  13. 莱纳斯,马琳娜;克拉姆罗斯,凯瑟琳;赫尔德曼,费边;Stiglmayr,Michael:多目标学习方法中通过剪枝权值实现的高效稀疏神经网络(2022)
  14. 萨尔蒂,麦赫迈特;Kangal,Evrim Ersin:对CMB辐射温度的深入了解(2022年)
  15. Sirignano,贾斯汀;Spiliopoulos,Konstantinos:深层神经网络的平均场分析(2022)
  16. 张国忠、周忠;Nguyen,Hang Tuan:回溯梯度下降法及其在大规模优化中的应用。一: 理论(2022)
  17. 渡边、佐藤;Yamana,Hayato:使用持续同源性对深层神经网络进行拓扑测量(2022)
  18. 徐阳阳;徐艺博;阎永贵;陈杰:非凸问题的延迟导数分布随机惯性加速方法(2022)
  19. 张浩楠;刘隆军;周恒义;孙红彬;郑,南宁:深度神经网络压缩的全局优化可控矩阵分解(2022)
  20. 周易;梁英斌;张惠帅:理解非凸优化中SGD的泛化误差(2022)

1 2 ... 7 8 9 下一个