byol | BriefGPT - AI 论文速递

关键词byol

搜索结果 - 11

额外正向样本促进医学图像的更好表示学习
本文提出了一种新的方法，即使用 TracIn 作为实例基础的、计算有效的影响函数来为 BYOL 自我监督学习框架识别额外的正对，并通过 TracIn 估计成对 TracIn 来表示小批量中样本的相似度，以改善其表征学习能力，实验结果表明该方
PDFa year ago
无对照相似度学习方法：仅需正例
本文提出了一种基于 BYOL 和 Barlow Twins 的非对比 SSL 方法，其不需要负样本并专注于匹配正样本，该方法在时间序列数据的相似性问题及时序表示学习中表现更好（ARI = 0.49）并证明了其实用性。
PDF2 years ago
ECCV重新审视数据增强不变表示学习的关键因素
研究关注增强不变表示学习的关键因素，比较 MoCo v2 和 BYOL 两种良好的增强表示方法，发现网络结构的不对称性可能会损害其在长尾分类任务上的传递性能，且负样本对于数据增强的选择并没有更好的鲁棒性。
PDF2 years ago
CVPR利用未标记数据进行基于手绘的理解
该研究探讨了使用无标签数据来改善基于素描的模型的方法，通过对 VAE 和半监督 VAE 的变化进行评估，并提出了 BYOL 的扩展来处理素描，结果表明 sketch-BYOL 的效果优于其他自监督方法，提高了已知和未知类别的检索性能。此外，
PDF2 years ago
CVPR基于自举方法的骨架动作识别表示学习
本文研究了自监督表示学习在三维骨架动作识别中的应用，提出了一种包括两个不对称变换管道的数据增强策略和一种多视角采样方法，利用无标签样本从更宽的网络进行知识蒸馏，实验表明该方案在 NTU-60 和 NTU-120 数据集上表现优于当前的半监督
PDF2 years ago
基于引导法的异构图神经网络交叉视角自监督学习
本文介绍了一种使用 BYOL 自我监督学习方法的异质图神经网络模型，通过对网络模型和元路径视角进行高层表达来解决异质图生成高质量对的困难问题，并在实际数据集上展示了良好的性能。
PDF2 years ago
自监督学习的均值漂移
本研究提出一种基于平均漂移算法的自监督学习方法，通过将相邻的图像进行平移并聚合来学习图像的特征表示，无需对图像进行反向对比或采用较多的先验知识。该方法在 ImageNet 数据集上的线性评估中实现了 72.4% 的准确率，优于 BYOL 方
PDF3 years ago
自监督野外视觉特征预训练
本研究探讨了自监督学习是否能够在没有监督的情况下从随机图片上进行学习。通过 SEER 模型的研究表明，自监督学习在真实环境中的表现优于监督学习方法。
PDF3 years ago
即使没有批量统计数据，BYOL 仍然有效
本研究提出 Bootstrap Your Own Latent (BYOL) 作为一种自监督学习方法，用于图像表示学习，并探讨与批归一化 (batch normalization) 的关系。实验结果表明，使用批独立归一化可以取得与传统 BY
PDF4 years ago
无监督表示学习的一致性聚类
本研究探讨并观察到使用 BYOL 学习得到的特征对于聚类可能不是最佳的，提出了一种新颖的基于一致性聚类的损失函数，通过提出的方法进行训练可以提高聚类能力，并在一些流行的计算机视觉数据集上优于相似的聚类方法。
PDF4 years ago
自举型潜变量：自监督学习的一种新方法
本文提出了一种新的自监督图像表示学习方法 Bootstrap Your Own Latent（BYOL），通过在线网络和目标网络相互交互和学习，从图像的增强视图中训练在线网络以预测在不同增强视图下相同图像的目标网络表示，并同时使用在线网络的
PDF4 years ago