augmentation techniques | BriefGPT

关键词augmentation techniques

搜索结果 - 14

多变量时间序列分类的数据增强：一个实验研究
我们的研究探讨了数据增强对多变量时间序列模型性能的影响，重点关注 UCR 存档中的数据集。尽管这些数据集规模有限，但我们通过使用 Rocket 和 InceptionTime 模型，在 13 个数据集中有 10 个实现了分类准确度的提升。这
PDF22 days ago
CNVSRC 2023 中的视觉语音识别的 NPU-ASLP-LiAuto 系统描述
本文介绍了 NPU-ASLP-LiAuto（第 237 队）在 2023 年中国连续视觉语音识别挑战赛中引入的视觉语音识别（VSR）系统，涉及单说话人 VSR 任务的固定和开放跟踪，以及多说话人 VSR 任务的开放跟踪。实验结果表明，在多系
PDF6 months ago
RandMSAugment：用于有限数据场景的混合采样增强
数据增强是一种有效训练深度卷积神经网络以限制数据的方法，本研究探讨了基础增强技术、如混合样本数据增强和无参数的 RandAugment 变体 Preset-RandAugment，在完全监督的情境下证明了 Preset-RandAugmen
PDF7 months ago
自监督训练与监督训练在器官样本图像分割中的比较
数字显微镜中的自我监督学习对图像分割具有重要意义，采用了对预任务相似的无标签数据进行内在特征学习的方法，通过像素减少和图像模糊等增强技术，能够在相对较小和更大的数据集上优于传统的监督学习方法，得到更高的 F1 得分。
PDF7 months ago
探索数据扩增在自监督 / 半监督 / 全监督预训练模型上的应用
数据增强已成为视觉预训练模型的标准组成部分，用于捕捉增强视图之间的不变性。本研究通过实证研究来量化数据增强对性能的影响，发现图像的区域遮盖减少了学到的特征嵌入的不变性，同时提供了更多的多样性。手动注释不会改变学到的特征嵌入的不变性或多样性。
PDF8 months ago
ACL新闻中的目标感知背景政治偏见检测
媒体偏见检测需要综合多个新闻来源的信息，以句子级别的政治偏见检测为例，通过考虑上下文中的偏见而进行的任务被证明是一项具有挑战性的任务。我们提出了一种更加小心地搜索上下文的技术，采用偏见敏感和目标感知的数据增强方法，通过与 BERT 等预训练
PDF9 months ago
增强数学：通过增加静态数学教材制作基于增强现实的可探索解释
通过机器学习为无需编程的人员提供以增强现实为基础的数学书籍，通过提取内容并进行操作，使教师和学生可以将现有的数学教材转化为个性化的可交互解释，研究结果表明我们的系统可以提供更具吸引力的数学学习体验。
PDFa year ago
自对比图扩散网络
我们提出了一种名为 Self-Contrastive Graph Diffusion Network（SCGDN）的新框架，其中包含 Attentional Module 和 Diffusion Module 两个主要组件，以实现高效的嵌入
PDFa year ago
METAM: 以目标为导向的数据发现
本文介绍了一种名为 METAM 的目标导向框架，该框架可自动引导发现与扩充数据，并通过从下游任务中查询候选数据集来选择最佳候选方法，理论保证，并在广泛的任务集合上进行了实证证明，证明了目标导向数据发现对现代数据科学应用的潜力。
PDFa year ago
钻孔刀具磨损检测中基于语义图像分割的数据增强和损失函数评估
本文介绍了一种基于 U-Net 的语义图像分割管道，用于监测切削刀具在钻孔应用中的磨损情况，并将问题以二进制分类任务的形式加以解决。研究还考察了不同的损失函数，以及使用不同强度的图像增强技术训练图像。我们发现，最好的表现模型是使用 IoU
PDFa year ago
EMNLP重新审视自训练用于语言模型的小样本学习
本研究介绍了一种最先进的基于提示的少样本学习器 ——SFLM，该模型使用自训练技术来对语言模型进行微调，仅依赖于少量未标记的领域内数据，并在句子分类和句子对分类基准任务上优于其他最先进的监督和半监督对手。
PDF3 years ago
BYOL 音频表示的自监督学习：用于通用音频表征
本研究提出了一种基于自我监督学习的通用音频表示学习方法，采用 Bootstrap Your Own Latent (BYOL) for Audio 方法，通过标准化和数据增强技术，从单个音频段中学习音频表示，在各种下游任务中实现了最先进的结
PDF3 years ago
ECCV视频问答任务的数据增强技术
我们的研究专注于自我中心视频问答，提出了增强技术以解决过拟合问题，实验结果在 EgoVQA 数据集上比基准结果提高了 5.5% 的准确率。
PDF4 years ago
半监督语义分割需要强大和多样化的扰动
在分析语义分割问题时，我们发现其分布没有展现出低密度区域，并将其作为解释半监督分割为何是具有挑战性的问题的原因，然后找到增强选择作为获得可靠性性能的关键，并发现这些改进后的 CutOut 和 CutMix 增强技术在标准数据集中提供了最先进
PDF5 years ago