Key points are not available for this paper at this time.
हम एक सरल, फिर भी शक्तिशाली नियमितीकरण तकनीक का प्रस्ताव रखते हैं जिसे स्थानीय विशेषता वर्णक सीखने में जोड़ीदार और त्रिपल हानियों को महत्वपूर्ण रूप से सुधारने के लिए उपयोग किया जा सकता है। विचार यह है कि वर्णक स्थान की अभिव्यक्तिपूर्ण शक्ति का पूरी तरह से उपयोग करने के लिए, अच्छे स्थानीय विशेषता वर्णक को स्थान पर पर्याप्त रूप से "व्याप्त" होना चाहिए। इस काम में, हम विशेषता वर्णक में व्याप्ति को अधिकतम करने के लिए एक नियमितीकरण तत्व का प्रस्ताव रखते हैं, जिसे समान वितरण की विशेषता से प्रेरित किया गया है। हम दिखाते हैं कि प्रस्तावित नियमितीकरण के साथ त्रिपल हानि सांकेतिक दूरी के आधार पर वर्णक सीखने की मौजूदा तकनीकों की तुलना में बड़े अंतर से बेहतर प्रदर्शन करता है। एक विस्तार के रूप में, प्रस्तावित नियमितीकरण तकनीक छवि स्तर की गहरी विशेषता एम्बेडिंग में सुधार करने के लिए भी उपयोग की जा सकती है।
झांग एट अल। (सन,) ने इस प्रश्न का अध्ययन किया।
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: