Publication

How deep convolutional neural networks lose spatial information with training

Publications associées (57)

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.

Connectez-vous pour utiliser Chat avec Graph Search

Publications associées à How deep convolutional neural networks lose spatial information with training | EPFL Graph Search

How deep convolutional neural networks lose spatial information with training

Graph Chatbot

Chattez avec Graph Search

Annotation-efficient image anomaly detection

Machine learning for metallurgy V: A neural-network potential for zirconium

A Novel Method for Detecting Unidentified Falling Object Loss Patterns in the LHC

Biologically plausible unsupervised learning in shallow and deep neural networks

Tracking and Relative Localization of Drone Swarms With a Vision-Based Headset

21 000 birds in 4.5 h: efficient large‐scale seabird detection with machine learning

AL2: Progressive Activation Loss for Learning General Representations in Classification Neural Networks

Disentangling feature and lazy training in deep neural networks

Supplementary Material - AL2: Progressive Activation Loss for Learning General Representations in Classification Neural Networks

ESSOP: Efficient and Scalable Stochastic Outer Product Architecture for Deep Learning