.png){kind=icon}
返回
Harmonizing class uniformity and separability for transferability estimation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.patcog.2026.113897.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
• 我们提出HOCUS，一个简单而有效的可迁移性估计框架，该框架同时考虑了类别可分性和类别一致性。• 我们引入了一种新的类别一致性（CU）评分，定义为类别分布重叠矩阵的熵，它可以灵活地集成到现有方法中作为即插即用的指标。• 在图像分类和语义分割任务上，针对多种模型库进行的广泛实验表明，HOCUS实现了最先进的可迁移性估计性能。
Keyword:
transferability estimation
class uniformity
class separability
image classification
semantic segmentation
期刊
IF:
7.6
论文数:
1.3W
被引数:
4.5W
机构
引用论文
暂无论文信息