知识卡片
类别分数权重改变分割偏好
给各类别输出分数乘正权重,可以改变像素最终的类别选择;强化学习可把权重增量作为动作,搜索不同类别偏好。调整的是分类分数权重,并非网络优化器的学习率。步长和权重归一化规则依赖实验设定,不能把某一案例的固定数值直接迁移到其他数据。
这张卡片看不懂?
这张卡片的反馈已满 10 条,暂时无法继续提交。
已有反馈 · 0 / 10 条
还没有人提交反馈。
在整书笔记中的位置
原书出处 · 1 处
- 2 1 . 3 . 2 S A R 图 像 语 义 分 割 动 态 调 优 策 略 · 查看原书依据
2. 权重系数优化策略 通过在网络分类结果的每一类分数前加上权重,能够影响结果中的类别分布,因此根据此原理,对网络的每个分类输出Pi乘以对应权重因子ci(ci>0),从而得到每一类新的分数,其中i∈[1,N],N代表种类数。
参考来源
- 位置:《智能算法导论》第 207 项《2 1 . 3 . 2 S A R 图 像 语 义 分 割 动 态 调 优 策 略》(源文件:`_epub-src/EPUB/xhtml/chapter21_0008.xhtml`)
- 结论依据:正文定义类别分数乘权重并给出离散动作;其“自适应学习率”称谓易混淆,且“另外两种”仅对应特定类别数,卡片按一般权重语义提炼。
- 原始内容:对网络的每个分类输出Pi乘以对应权重因子ci(ci>0),从而得到每一类新的分数……为每个类别定义了3个步长的变化:0.3、0.1和0.05。