adversarial data augmentation | BriefGPT

关键词adversarial data augmentation

搜索结果 - 12

透过敌对数据增强从离线任务表示学习中解离策略
离线元强化学习（OMRL）通过仅依赖静态数据集，使代理程序能够有效应对新任务。然而，许多现有的 OMRL 方法中，学到的任务表示往往与行为策略产生虚假相关，而非准确反映任务的本质特征。为了解决这个问题，我们提出了一种新的算法，通过对抗性数据
PDF4 months ago
对抗数据增强用于鲁棒的说话人验证
本文提出了一种名为对抗数据增强（A-DA）的新方法，将数据增强与对抗学习相结合，通过额外的分类器对不同类型的增强进行分类，使得网络能够生成能够欺骗分类器的说话者嵌入，从而提升模型对于增强变化的鲁棒性和泛化能力。在 VoxCeleb 和 CN
PDF5 months ago
SHARE: 人体对抗性重建
通过引入 SHARE 方法，利用对抗性数据增强提高现有 HPS 技术的稳健性，我们展示了该方法在多个单视图 HPS 技术上的性能，对于来自多个摄像机位置拍摄的图像降低了关节平均误差，且在许多挑战性案例中超过了现有模型的性能，凸显了其在多样的
PDF6 months ago
使用熵对抗数据增强来超越偏见
该论文提出了一种对抗性数据增强的训练方案，以消除分类中的捷径，提高深度神经网络的鲁棒性，并在分类基准测试中取得了竞争力的结果。
PDFa year ago
PGADA: 基于扰动引导的少样本学习支持集 - 查询集偏移对齐
提出了一种新的对抗数据增强方法 PGADA 和正则化的最优输运平面方法，用于解决 Few-Shot Learning 中由于支持集和查询集之间的分布偏移导致的模型性能下降问题。实验表明，该方法在三个基准数据集上显著优于当前最先进的方法。
PDF2 years ago
IJCAI具有对抗数据增强的正 - 无监督学习用于知识图谱补全
本篇研究提出正 / 无标签学习与对抗数据增强（PUDA）方法以完成知识图谱，同时解决误删和数据稀疏问题，并在实际数据集上展现较好的应用效果。
PDF2 years ago
MM良性对抗攻击：欺骗模型以取得好结果
本文提出了利用对抗样本的善意攻击来探索攻击的本质并尝试解决机器学习中的对抗性问题。我们将对抗样本归因于模型和人类之间在使用非语义特征方面的差异，并针对此特性提出了三个方向的创新性应用：对抗图灵测试、拒绝恶意模型应用和对抗数据增强。
PDF3 years ago
ACL更广覆盖以提高更好抗干扰性：用 Mixup 扩充进行对抗训练以达到更好的微调鲁棒性
本文提出了对抗与混合数据增强方法（AMDA）以提高预训练语言模型在对抗攻击下的鲁棒性。在 BERT 和 RoBERTa 的文本分类实验中，AMDA 在两种强对抗攻击下均取得显著的鲁棒性增益，并缓解了 ADA 在干净数据上的性能下降。
PDF4 years ago
用最大熵对抗数据增强来提高泛化能力和鲁棒性
本文提出了基于信息瓶颈原理的最大熵正则化方法用于敌对数据增强，通过扩大模型预测不确定性来产生 “难” 的敌对扰动，提升模型鲁棒性，并在三个基准测试中实现了比现有技术显著的优越性能。
PDF4 years ago
MR 图像分割的逼真对抗数据增强
本文提出了一种对神经网络进行医疗图像分割的对抗性数据增强方法，生成真实信号失真来模拟由一种常见的造影剂称为偏差场引起的强度不均匀性，该方法可用于有监督和半监督学习中的一般分割网络的插件模块，并且在低数据情况下显著提高了模型的泛化能力和鲁棒性
PDF4 years ago
VideoDG: 广义化视频中的时间关系以迎接新领域
本文介绍了一种叫做 VideoDG 的框架，提供了两个技术贡献：一种新颖的深度架构 (Adversarial Pyramid Network) 和一个新的强健性方法 (adversarial data augmentation)，能够通过掌
PDF5 years ago
CVPR联合优化数据增强和网络训练：对抗数据增强在人体姿势估计中的应用
提出对抗数据增强方法来优化神经网络模型的训练，通过生成难度较高的增强操作来让网络进行学习，实现训练的同时进行数据增强，对人体姿势估计问题进行实验测试，证明该方法能够显著提高模型性能而不需要额外的数据增强。
PDF6 years ago