Tag · 2 篇
通道选择
分布 鲁棒性与安全1高效模型与推理加速1
01 02
CD-Buffer：面向恶劣天气目标检测测试时自适应的互补双缓冲框架
CD-Buffer: Complementary Dual-Buffer Framework for Test-Time Adaptation in Adverse Weather Object Detection
提出以特征级域偏移度量为驱动的减法（去除域敏感通道）与加法（轻量特征精炼）双缓冲耦合机制，可即插即用地用于任意检测器在恶劣天气下的在线自适应，为处理不同严重程度分布偏移提供了按通道自适应平衡的通用思路。
AdaBet：面向深度神经网络高效训练的无梯度层选择方法
AdaBet: Gradient-free Layer Selection for Efficient Training of Deep Neural Networks
用Betti数分析激活空间拓扑、仅靠前向传播即可选出高学习能力的层与通道，为视觉模型在边缘设备上的端侧微调提供了一种免梯度、免标签的层选择手段，可直接嵌入现有迁移学习/域自适应流程以降低显存与反向传播开销。