دانشمندان راهکار جدیدی برای حل چالش کلاسبندی تصاویر با جزئیات بالا (Fine-grained) ارائه دادهاند. مشکل اصلی در مدلهای فعلی، تداخل گرادیانها در لایههای مختلف است که باعث کاهش دقت میشود.
تکنیک جدید «FlexiGrad» به صورت هوشمند و بدون نیاز به پارامتر اضافه، در حین آموزش مدل، تداخلهای مخرب را حذف و هماهنگی بین سطوح مختلف یادگیری را تقویت میکند. این یعنی مدل شما هم ساختار کلی را بهتر درک میکند و هم جزئیات دقیقتری را تشخیص میدهد! 🧠✨
این روش به راحتی با معماریهای فعلی قابل ادغام است و نتایج بسیار بهتری در دیتابستهای معروفی مثل Stanford Cars و CUB نشان داده است.
منبع: arXiv Computer Vision