微调预训练模型鲁棒性评估：模型表现随数据集而异
热点事件持续更新
微调预训练模型鲁棒性评估：模型表现随数据集而异
1 篇报道1 个报道来源7 小时前更新
先了解这件事
AI 综述
Angela John 与 Hamayoon Behmanush 发布研究，系统评估微调后的预训练模型在图像分类任务中面对不同攻击的鲁棒性。评估对象为 ResNet50、DenseNet 与 MobileNet，在 MNIST、CIFAR10、CIFAR100 和 SVHN 四个数据集上进行。 结果显示，微调模型的鲁棒性随数据分布和样本量变化，三种模型在各数据集上的防御表现也不相同。研究据此建议按具体任务需求选择模型，并综合算力、内存占用和干净数据准确率等因素。
AI 根据报道生成 · 3 小时前更新
最新进展11月3日 13:00
微调模型鲁棒性系统评估：ResNet50、DenseNet 与 MobileNet 在不同数据集上的表现报道时间线
沿着报道，了解事件的不同侧面。
11月3日
- arXiv · cs.AI微调模型鲁棒性系统评估：ResNet50、DenseNet 与 MobileNet 在不同数据集上的表现
一项研究系统评估了微调后的预训练模型在 MNIST、CIFAR10、CIFAR100 和 SVHN 图像数据集上面对不同攻击时的鲁棒性。结果显示，微调模型的鲁棒性随数据分布和样本量变化，ResNet50、DenseNet 和 MobileNet 在各数据集上的防御表现也不同。研究建议按具体任务需求选择模型，并综合算力、内存占用和干净数据准确率等因素。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。