Feb, 2024

解决语义分割模型漂移的数据质量感知方法

PDF
TL;DR本研究通过全面实验，旨在探讨数据质量评估和数据调整两种重要策略对抗模型漂移的效果，以提高语义分割模型的性能和可靠性，从而推动计算机视觉在实际场景中的发展。
model driftdata quality assessmentdata conditioningimage quality assessment metricssemantic segmentation models
发现论文，激发创造
  • 大数据生态系统中提升数据质量的 AI 驱动框架：错误检测、修正和元数据集成

    该研究论文提出了一套新的互联框架，旨在全面提升大数据质量，包括引入新的质量指标和加权评分系统，采用人工智能模型检测各种质量异常，以及通过预测建模纠正检测到的异常，并着重讨论了在大数据生态系统中提高元数据质量的创新框架。

    May, 2024

  • 图像机器学习数据漂移控制的数据模型

    本研究结合传统机器学习和光学物理学，构建显式且可微分的数据模型，用于控制下游机器学习模型性能与数据漂移相关性，进而进行数据环境的精密规定和优化。

    Nov, 2022

  • Quilt：面对概念漂移的鲁棒数据段选择

    通过使用 Quilt，这是一个数据中心的框架来鉴定和选择能够最大化模型准确性的数据片段，从而提高模型准确性和效率。

    Dec, 2023

  • 人工智能算法的控制与监测

    解释了在部署后管理人工智能模型的重要性，以及监控现有数据的分布与训练数据之间的潜在波动。阐明了数据漂移和概念漂移的概念以及它们各自的基础分布。此外，引入了一系列度量指标，可用于审查模型在潜在时间变化方面的性能。

    Jul, 2023

  • 缓解时间漂移：保持 NER 模型清晰的简单方法

    该研究提出了一种测量推文潜在趋势的直观方法，用于选择最具信息价值的实例以用于训练命名实体识别的神经模型的更新，实验表明，该方法比其他方法使用更少的训练数据更能提高准确性，是一个实用的解决方案。

    Apr, 2021

  • 通过模型重用处理概念漂移

    研究了如何通过模型重用应对数据流中的概念漂移问题，为每个模型赋予权重，并根据模型性能自适应调整权重，在合成和真实数据集上进行实验验证方法的优越性。

    Sep, 2018

  • 基于 XAI 增强的语义分割模型用于视觉质量检测

    通过使用基于 CAM 的解释来完善语义分割模型，本研究提出了提升视觉质量检测系统的框架。该框架包括模型训练、基于 XAI 的模型解释、XAI 评估和注释增强等步骤，通过解释和专家洞见进行指导。评估结果表明，基于 XAI 的模型在复杂目标分割方面优于原始的 DeepLabv3-ResNet101 模型。

    Jan, 2024

  • 质量进出：评估异常检测基准数据的质量

    本文通过对一个用于异常检测的基于流量的真实数据集进行修改，发现相对较小的修改对模型性能的影响，强调了数据质量评估和优化技术对于自主网络的重要性。

    May, 2023

  • 自动化评估自动驾驶语义分割鲁棒性

    本文介绍了一种用于分析语义分割模型稳健性的新方法，并提供了一些指标以评估在各种环境条件下的分类性能。该过程还结合了另一种传感器（lidar）以自动化处理过程，消除了验证数据的手工标注需求。实验结果表明，语义分割模型的性能因天气、相机参数、阴影等因素而异，并演示了如何在改进模型后比较和验证各种网络的性能。

    Oct, 2018

  • 一种数据中心的框架，用于改进特定领域的机器阅读理解数据集

    本文提出了一个旨在增强原始数据集数据质量的框架，并应用于四个生物医学数据集，使用回译技术提高数据集质量，在 BioASQ 数据集上表现出相对提高了 33%/40% 的检索 / 阅读器模型的微调效果。

    Apr, 2023