class prototypes | BriefGPT

关键词class prototypes

搜索结果 - 13

基于提示驱动的特征传播用于开放式半监督学习
本文提出了一种新颖的方法，称为 Prompt-Driven Feature Diffusion (PDFD)，在半监督学习框架下用于开放世界半监督学习 (OW-SSL)。该方法利用类原型作为提示，在扩散模型中引导扩散过程，以支持有鉴别特征表
PDF3 months ago
I2CKD：用于语义分割的课内和课间知识蒸馏
这篇论文提出了一种针对图像语义分割的新型知识蒸馏方法，称为 Intra- and Inter-Class Knowledge Distillation（I2CKD）。该方法的重点是捕捉和转移教师（笨重模型）和学生（紧凑模型）的中间层之间的知
PDF3 months ago
AAAI揭示组成式零样本学习中的近邻长尾分布
将组合零样本学习转化为相对类别不平衡问题，通过估计视觉偏差作为类别先验来训练分类器，以获取更可辨别的类原型，从而提高模型性能。
PDF6 months ago
SAMN: 一个融合了 SVM 和 NN 的样本关注记忆网络
支持向量机（SVM）和神经网络（NN）具有很强的互补性。为了解决将它们真正整合起来的问题，本研究提出了一种样本关注记忆网络（SAMN），通过将样本关注模块、类原型和记忆块纳入神经网络中，有效地结合了 SVM 和 NN。SAMN 在多分类任务
PDF9 months ago
少样本分割的遮罩跨图像编码
我们提出了一种名为 Masked Cross-Image Encoding (MCE) 的联合学习方法，用于解决很少有标注样本的图像分割任务，通过捕捉物体细节，学习双向跨图像依赖关系来增强特征交互，进而提高元学习能力，在 PASCAL-$5
PDF10 months ago
如何在没有数据的情况下识别出优秀的深度神经网络分类器
该论文提出了一种无需测试数据即可评估训练后 DNN 分类器的质量的方法，通过在输入空间中迭代创建每个类别的类原型来实现，这些原型和其特征关系可用于揭示分类器的质量，并开发了两个使用原型特征和对应于每个原型的对抗性示例的质量度量指标，其准确性
PDFa year ago
EMNLP利用方差感知的典型网络从放射学报告中元学习病态
本文提出了一种为 few-shot 文本分类的经典网络增加高斯类原型和一种鼓励示例靠近适当类别中心的正则化项的简单方法，表明该方法比 13 个公共数据集和 4 个内部数据集的各种强基线更为出色，并将类分布作为检测潜在的部署时油水分离数据点的
PDF2 years ago
CVPR基于组合知识转移的长尾识别
本研究提出了一种新的长尾识别策略，通过无需训练的知识迁移实现尾部类别的少样本问题，利用类原型和学习的余弦分类器的互补特征向量，使用注意力机制将普通类别的学习分类器特征选择和重组，为稀有类别提供更高质量的表示，实现了对新类别的不断扩展，并在保
PDF3 years ago
基于注意力原型的无源迁移学习 3D 物体检测
本研究提出一种应用于基于激光雷达的 3D 物体检测器的无源自适应方法，该方法使用班级原型来缓解误标签噪声的影响，利用转换器模块识别对应于错误、过于自信的注释的离群 ROI，通过自学习的过程，降低伪标签的损失并提高性能。
PDF3 years ago
面向原型的无监督领域自适应框架
提出了一种高效的概率框架，用于提取类别原型并将目标特征与其对齐，进而解决当前无监督域自适应方法中的采样可变性、类别不平衡和数据隐私问题，该方法适用于多种场景，包括单一源域，多源域，类别不平衡和源隐私域自适应，无需额外模型参数且计算量适中，在
PDF3 years ago
基于原型引导的可解释反事实解释
使用类原型的快速、模型无关方法可以找到分类器预测的可解释因果关系解释，并且该方法通过两个新的度量标准在实例级别上定量评估局部可解释性。该方法在图像数据集 MNIST 和表格数据集 Breast Cancer Wisconsin（Diagno
PDF5 years ago
ICCV嵌入式类模型和无样本元训练的少样本学习
该研究提出了一种适用于任意类别和任意样本数的少样本学习嵌入方法，通过定义隐式的类别表示函数和学习原型和模型参数来实现，其中类别嵌入涵盖了度量学习，并能够在不拥挤的类别表示空间中添加新类别，并取得了基准数据集最好的性能表现。
PDF5 years ago
ECCV通过结构对齐学习类别原型以实现零样本识别
本文提出了一种基于耦合字典学习的零样本学习方法，该方法通过利用种类原型中的区分性信息来对齐视觉 - 语义结构，进而提高不太具有区分性的语义空间的表现，并通过简单的最近邻方法在不同空间上执行零样本识别。在四个基准数据集上的实验证明了该方法的有
PDF6 years ago