常用backbone与学习范式

文章探讨了机器视觉任务中backbone网络的作用,如何通过预训练和特定预测头实现更好效果。提到了vgg、resnet、transformer等网络模型,以及在实时性和边缘计算场景下选择mobilenet等轻量级网络。同时,讨论了监督学习和自监督学习的应用,特别是在数据集不完整时自监督方法如代理任务、对比学习和掩码学习的重要性。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

backbone

解决现有的机器视觉任务大多采用backbone+预测头的方式来完成,其中骨干网络在数据集上进行预训练,然后搭配解决特定任务的预测头,在对应的数据集再进行训练,从而达到更好的效果。

backbone网络的选择多种多样,譬如vgg,resnet,transformer等等。如果追求实时性或是应用在边缘设备上,则可以选择如mobilenet之类的轻量化网络。

学习范式

目前解决任务的常见学习方式包括监督学习和自监督学习。在数据集完备充分的情况下,监督学习无疑是最方便的。然而很多任务的数据集并不完善,数据采集起来困难较大,此时就有必要诉诸于自监督方法了。常见的自监督方法包括代理任务、对比学习以及掩码学习。

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值