Buchumschlag

CNNs Avoid Curse of Dimensionality by Learning on Patches

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Madala, Vamshi C., Chandrasekaran, Shivkumar, Bunk, Jason
Format:	Preprint
Veröffentlicht:	2022
Schlagworte:	Computer Vision and Pattern Recognition Artificial Intelligence Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Efficient Hyperparameter Importance Assessment for CNNs
von: Wang, Ruinan, et al.
Veröffentlicht: (2024)

Explaning with trees: interpreting CNNs using hierarchies
von: Rodrigues, Caroline Mazini, et al.
Veröffentlicht: (2024)

Explaining Model Overfitting in CNNs via GMM Clustering
von: Dou, Hui, et al.
Veröffentlicht: (2024)

Evaluating the Stability of Semantic Concept Representations in CNNs for Robust Explainability
von: Mikriukov, Georgii, et al.
Veröffentlicht: (2023)

TraNCE: Transformative Non-linear Concept Explainer for CNNs
von: Akpudo, Ugochukwu Ejike, et al.
Veröffentlicht: (2025)

Frugal Federated Learning for Violence Detection: A Comparison of LoRA-Tuned VLMs and Personalized CNNs
von: Thuau, Sébastien, et al.
Veröffentlicht: (2025)

A Comparative Study of Custom CNNs, Pre-trained Models, and Transfer Learning Across Multiple Visual Datasets
von: Akhand, Annoor Sharara
Veröffentlicht: (2026)

Pruning By Explaining Revisited: Optimizing Attribution Methods to Prune CNNs and Transformers
von: Hatefi, Sayed Mohammad Vakilzadeh, et al.
Veröffentlicht: (2024)

Reliable Evaluation of Attribution Maps in CNNs: A Perturbation-Based Approach
von: Nieradzik, Lars, et al.
Veröffentlicht: (2024)

Stacked Ensemble of Fine-Tuned CNNs for Knee Osteoarthritis Severity Grading
von: Gupta, Adarsh, et al.
Veröffentlicht: (2025)

VORTEX: Challenging CNNs at Texture Recognition by using Vision Transformers with Orderless and Randomized Token Encodings
von: Scabini, Leonardo, et al.
Veröffentlicht: (2025)

Federated Learning for Video Violence Detection: Complementary Roles of Lightweight CNNs and Vision-Language Models for Energy-Efficient Use
von: Thuau, Sébastien, et al.
Veröffentlicht: (2025)

Do Transformers Understand Ancient Roman Coin Motifs Better than CNNs?
von: Reid, David, et al.
Veröffentlicht: (2026)

The Shape of Attraction in UMAP: Exploring the Embedding Forces in Dimensionality Reduction
von: Islam, Mohammad Tariqul, et al.
Veröffentlicht: (2025)

RNNs, CNNs and Transformers in Human Action Recognition: A Survey and a Hybrid Model
von: Alomar, Khaled, et al.
Veröffentlicht: (2024)

Progressive Growing of Patch Size: Curriculum Learning for Accelerated and Improved Medical Image Segmentation
von: Fischer, Stefan M., et al.
Veröffentlicht: (2025)

ImageNet-trained CNNs are not biased towards texture: Revisiting feature reliance through controlled suppression
von: Burgert, Tom, et al.
Veröffentlicht: (2025)

Patch-aware Vector Quantized Codebook Learning for Unsupervised Visual Defect Detection
von: Cheng, Qisen, et al.
Veröffentlicht: (2025)

Generative Classifiers Avoid Shortcut Solutions
von: Li, Alexander C., et al.
Veröffentlicht: (2025)

OmniPatch: A Universal Adversarial Patch for ViT-CNN Cross-Architecture Transfer in Semantic Segmentation
von: Aggarwal, Aarush, et al.
Veröffentlicht: (2026)

Detecção da Psoríase Utilizando Visão Computacional: Uma Abordagem Comparativa Entre CNNs e Vision Transformers
von: Lucena, Natanael, et al.
Veröffentlicht: (2025)

REOrdering Patches Improves Vision Models
von: Kutscher, Declan, et al.
Veröffentlicht: (2025)

Role of Locality and Weight Sharing in Image-Based Tasks: A Sample Complexity Separation between CNNs, LCNs, and FCNs
von: Lahoti, Aakash, et al.
Veröffentlicht: (2024)

An accuracy-aware extension to LRP-based pruning for CNNs to prevent cascading accuracy degradation in data-scarce transfer learning
von: Yasui, Daisuke, et al.
Veröffentlicht: (2025)

From Ground to Air: Noise Robustness in Vision Transformers and CNNs for Event-Based Vehicle Classification with Potential UAV Applications
von: Almesafri, Nouf, et al.
Veröffentlicht: (2025)

Efficient CNNs via Passive Filter Pruning
von: Singh, Arshdeep, et al.
Veröffentlicht: (2023)

Generalization of CNNs on Relational Reasoning with Bar Charts
von: Cui, Zhenxing, et al.
Veröffentlicht: (2025)

Accelerating Vision Transformers with Adaptive Patch Sizes
von: Choudhury, Rohan, et al.
Veröffentlicht: (2025)

Training-Only Heterogeneous Image-Patch-Text Graph Supervision for Advancing Few-Shot Learning Adapters
von: Mohammad, Mohammed Rahman Sherif Khan, et al.
Veröffentlicht: (2026)

PAVE: Patching and Adapting Video Large Language Models
von: Liu, Zhuoming, et al.
Veröffentlicht: (2025)

SoftPatch: Unsupervised Anomaly Detection with Noisy Data
von: Jiang, Xi, et al.
Veröffentlicht: (2024)

Adaptive Patching for High-resolution Image Segmentation with Transformers
von: Zhang, Enzhi, et al.
Veröffentlicht: (2024)

LDReg: Local Dimensionality Regularized Self-Supervised Learning
von: Huang, Hanxun, et al.
Veröffentlicht: (2024)

EXAONEPath 1.0 Patch-level Foundation Model for Pathology
von: Yun, Juseung, et al.
Veröffentlicht: (2024)

Entropy Guided Dynamic Patch Segmentation for Time Series Transformers
von: Abeywickrama, Sachith, et al.
Veröffentlicht: (2025)

PlantDiseaseNet-RT50: A Fine-tuned ResNet50 Architecture for High-Accuracy Plant Disease Detection Beyond Standard CNNs
von: Sagnika, Santwana, et al.
Veröffentlicht: (2025)

Efficient Long Video Tokenization via Coordinate-based Patch Reconstruction
von: Jang, Huiwon, et al.
Veröffentlicht: (2024)

The Curse of Recursion: Training on Generated Data Makes Models Forget
von: Shumailov, Ilia, et al.
Veröffentlicht: (2023)

Siamese Networks with Soft Labels for Unsupervised Lesion Detection and Patch Pretraining on Screening Mammograms
von: Van Vorst, Kevin, et al.
Veröffentlicht: (2024)

PBCAT: Patch-based composite adversarial training against physically realizable attacks on object detection
von: Li, Xiao, et al.
Veröffentlicht: (2025)