数据集量化

分箱生成不可或缺吗？一种基于语义视角的免分箱数据集量化方法

Is Bin Generation Indispensable? A Bin-Generation-Free Dataset Quantization via Semantic Perspective

做大规模视觉数据集训练时，可用这套免分箱的 KNN 近邻识别加自适应图像块丢弃流程替代 bin generation 来压缩核心集，在 CIFAR-100 上最多提升 5% 验证精度，并能扩展到 10^5 同类样本规模。