backbone architecture | BriefGPT

关键词backbone architecture

搜索结果 - 7

无源无监督领域自适应中的关键设计选择：一项深入实证分析
通过综合基准评估方法，本研究针对图像分类中的无源无监督领域自适应（SF-UDA）提供了一个全面的基准框架，旨在实现对 SF-UDA 方法中多个关键设计因素之间复杂关系的严格经验理解，并对多种 SF-UDA 技术进行了实证研究，评估它们在数据
PDF4 months ago
胃肠内窥镜视觉问题的自监督预训练研究
背景：传统的胃肠内镜检查 (GIE) 的视觉任务解决方案通常使用在 ImageNet-1k 上以有监督方式预训练的图像编码器作为骨干网络。目前，现代的自监督预训练算法和最近的 10 万张未标记 GIE 图像数据集 (Hyperkvasir
PDF6 months ago
失败模式的三重困境及可能的出路
我们提出了一种针对基于聚类的自主学习（SSL）的全新客观函数，旨在解决表示坍塌、聚类坍塌和集群分配排列不变性等三种失败模式的问题。我们的目标函数包含三个关键组成部分：（i）惩罚表示坍塌的生成项，（ii）促进对数据增强的不变性，从而解决标签排
PDF9 months ago
ICLR稀疏专家组合是具有领域普适性的学习器
本文提出了一种基于视觉 Transformer 的领域泛化模型 GMoE，通过研究架构与数据集中相关性的一致性来表征网络的抗干扰性；实验表明 GMoE 使用 ERM 训练的性能大幅优于 SOTA DG 基线，并且在使用新的 DG 算法进行训
PDF2 years ago
通过信息交互学习面向目标的视觉跟踪表示
本文介绍了一种新的骨干架构，使用交互模型器对 Siamese-like 骨干网络中不同阶段注入参考图像的先验知识，从而提高了特征表征的目标感知能力和鲁棒性，适用于不同的骨干类型的改进。
PDF2 years ago
TAFSSL: 任务自适应特征子空间学习，用于小样本分类
本文提出了一种名为 “任务自适应特征子空间学习” 的简单技术，可以显著提高少样本学习方案的性能，特别是当一些额外的未标记数据附带用于新的少样本任务时，而且它可以将在半监督 FSL 设置中更多地受益于使用未标记数据到超过 10% 的性能提高。
PDF4 years ago
ICCV多任务学习的模型选择弹性深度网络
本文提出一种用于多任务学习的实例动态网络模型选择方法，该方法基于一个精简而准确的主干架构为每个任务的实例提供多个不同配置的层级结构网络模型进行估计，并利用选择器从候选模型池中动态地选择最佳模型。实验结果表明该方法具有出色的性能，并可以在多个
PDF5 years ago