BriefGPT.xyz
大模型
Ask
alpha
关键词
black-box unsupervised domain adaptation
搜索结果 - 3
黑盒无监督领域自适应的增量伪标签
通过增量选择高置信度伪标签来改善目标模型的泛化能力,实验结果表明该方法在三个基准数据集上达到了最先进的黑盒无监督领域适应性能。
PDF
a month ago
ICCV
黑盒无监督领域适应与双向阿特金森 - 希夫林记忆
使用黑盒子无监督领域自适应(UDA)的源预测目标数据而不访问源数据或源模型,并且在数据隐私和目标网络选择方面具有明显的优势,然而目标数据的源预测通常存在噪声,使用它们进行训练容易出现学习崩溃,我们提出了 BiMem,一种双向记忆机制,可以学
→
PDF
10 months ago
黑盒源模型的无监督领域自适应
本篇论文研究了源领域无标签数据的黑盒非监督域适应 (B$^2$UDA) 问题,在此基础上提出了一种名为 Iterative Learning with Noisy Labels (IterLNL) 的简单有效方法,通过黑盒模型作为噪声标签工
→
PDF
3 years ago
Prev
Next