Search results
baseline指的是一个基准，也叫基线，简单来说就是用来对比的一个参照对象，人们往往通过用和baseline比较性能的方式来凸出自己新提出的算法的优势。 在机器学习领域，baseline通常是一个广为人知的算法，可以是最基础同时性能又不错的算法，也可以是最先进、性能最好的算法（SOTA）。
知乎，让每一次点击都充满意义 —— 欢迎来到知乎，发现问题背后的世界。
Feb 26, 2019 · 有时候，你选择的 baseline 是你要研究的更广阔的框架下的一个特例，而你自己实现了框架下的其它方法，此时为了让系统之间只有一处不同，你可能会主动选择在框架下重新实现 baseline。 如果你是参加比赛，那么主办方常常会主动提供 baseline 系统。
比如你设计了一个component，说它可以用于什么什么task或者可以提高表现，那你的baseline就应该是去掉这个component的网络结构。 或者就是用以前已经存在的方法（通常是比较常用的）作为某一块的solution，来对比体现出你的设计的优点。
压低baseline都不算什么，reviewer问起来就是我们重新train了一遍，什么什么参数随机种子，有就说没有瞎扯就完了。 更多的是ablation study作假，包括很多CVPR文章。 说白了就是，有没有涨点？有。那涨的点符不符合你的故事呢？ 这就不知道了。
② 增加 baseline 模型的参数量。 方法①实际上是将自己的方法拉倒与 baseline 相同的赛道上来进行比较。 许多 baseline 在自己的赛道上都已经做到天花板了很难有突破，那我们就不要硬碰硬，来个偷袭把 baseline 拉到自己的赛道上来进行比较，从更普遍、广泛的角度来证明自己模型的优越性，而不是局 ...
baseline的目的是比较提出算法的性能或者用以彰显所提出的算法的优势。 --------搬运结束-------- 可以这么认为：baseline是模型至少能够达到的效果；benchmark是目前的模型能做到的比较好的效果了；再往上就是state of art业界顶尖了。
遇到不少baseline，首先是作者根本没有放出源码，自己复现出来又达不到论文汇报的水平，你说这让人怎么办？ 还有就是复现十几年前的方法，得出的结果比进今年的深度学习方法好，你说这怎么放。
baseline是一种使用简单的启发式探索，统计规则，随机规则或该领域中先前常用的算法对已知问题及其数据集进行预测的方法。它通常在正式的工作之前进行，为后面的工作的效果提供一个评估其表现的支撑，即后面提出的模型的性能表现至少要好于baseline。
但是我看到的论文中是，只把控制变量放进去回归，这叫做baseline回归。然后再依次放入接受变量回归，叫做在baseline的基础上进行回归。 但是具体这个怎么翻译啊？用来干什么呀
