complementary labels | BriefGPT

关键词complementary labels

搜索结果 - 7

一种综合数据集训练分割模型的综合模型
通过结合多个部分注释数据集，我们提出了一种方法将互补注释合并到一个模型中，实现更好的场景分割和使用多个可用数据集。我们的方法成功地将 6 个类别组合成一个模型，与单独训练在各个类别上的模型集合相比，总体 Dice 分数提高了 4.4%。通过
PDF4 months ago
AAAI增强的噪声标签学习的自适应部分标签学习和负样本学习集成
通过集成部分标签学习和负向学习来革新嘈杂标签学习，通过自适应地将标签空间分解为候选标签和补充标签，并引入困难清晰度和软清晰度两种适应性数据驱动的标签模糊辨别范式来提高模型的鲁棒性，并通过一致性正则化术语维持标签可靠性。与其他最先进方法相比，
PDF7 months ago
互补分类器引导的部分标签学习
本文提出了一种基于对抗性学习与动态图的补充分类器方法，用于消除部分标签学习中假阳性标签的影响，并充分调查了补充标签集的有效性。实验表明，该方法在 4 个受控 UCI 数据集和 6 个真实世界数据集上具有优越性，并揭示了补充学习在部分标签学习
PDFa year ago
从互补标签源域学习：理论与算法
本文提出了一种新的领域自适应设置，旨在使用互补标签数据训练目标领域的分类器，并且首次证明了其理论界限；同时，利用提出的互补标签对抗网络 CLARINET 解决了完全和部分互补无监督域自适应问题，在手写数字识别和物体识别任务中表现出明显的优势
PDF4 years ago
ICML无偏估计可能具有误导性：一项使用互补标签学习的案例研究
该论文研究了使用弱监督学习中的无偏风险估计器训练分类器的问题，解决了由于深度神经网络等模型的复杂性导致 URE 过度拟合的问题，并提出了一种新的 SCL 框架来降低方差和改善 URE 方法，从而实现了用更少的偏差换取更少的方差。
PDF4 years ago
ECCV带有偏差互补标签的学习
本文提出了一个框架，它使用没有偏见的转移概率估计，提供了一个通用的方法来修改传统的损失函数，并扩展标准的深度神经网络分类器，从而使其能够学习偏差的互补标签，并且确保了使用互补标签学习分类器收敛于使用真实标签学习的最优分类器。综合实验表明，本
PDF7 years ago
NIPS学习互补标签
该研究提出一种新的方法，即利用互补标签进行多类别分类的学习，探讨该方法在应用中的可行性以及解决互补标签信息量不足难题的方法，并通过实验证明了该方法的实用性。
PDF7 years ago