consistency regularization | BriefGPT

关键词consistency regularization

搜索结果 - 73

ACL半监督口语语言概述化
半监督口语语言标注（S3LG）框架通过引入大规模单语口语文本到标注的手语编码训练中，采用基于规则和基于模型的自动标注方法，添加一种特殊标记以区分合成数据，并利用一致性正则化减少合成数据中的噪音负面影响，通过在公共基准测试上的大量实验证明了该
PDF20 days ago
PCLMix: 弱监督医学图像分割的像素级对比学习和动态混合增强
提出了一种名为 PCLMix 的新型弱监督医学图像分割框架，通过引入动态混合增强、像素级对比学习和一致性正则化策略，解决了弱监督图像分割中局部到全局区域的准确传播监督信号的挑战，并成功缩小了弱监督和全监督分割方法之间的差距。
PDF2 months ago
C2F-SemiCD：基于一致性正则化的粗细半监督高分辨率遥感图像变化检测方法
通过多尺度、通道注意力机制、空间注意力机制、全局上下文模块、特征细化模块、初始聚合模块和最终聚合模块等方式，逐渐完成从粗粒度到细粒度的变化特征提取；并使用均方差方法 (Mean Teacher Method) 将学生模型的参数更新为教师模型
PDF2 months ago
IJCAI信息匹配：半监督图像分类的熵神经估计
利用伪监督和一致性正则化的半监督图像分类方法，在最大化增强视图之间的互信息下限时，通过信息熵神经估计利用未标记样本的潜力，从理论上分析出图像分类器的信息熵通过最大化 softmax 预测的似然函数近似估计。在这些见解的指导下，我们从两个角度
PDF2 months ago
CVPRDuPL: 可信可靠的渐进式学习强鲁棒性弱监督语义分割
提出了一种名为 DuPL 的可信逐步学习的双学生框架，用于解决单阶段弱监督语义分割中由 CAM 伪标签引起的认证偏差问题，通过动态阈值调整和自适应噪声过滤策略在学习过程中逐渐引入更多可靠的伪标签，并针对被丢弃的区域开发了一致性正则化以提供每
PDF3 months ago
InterLUDE：标记数据与未标记数据之间的交互以增强半监督学习
本研究提出了一种新的半监督学习方法 InterLUDE，通过嵌入融合和一种新的损失函数（基于一致性正则化原则），在标记和未标记数据之间实现相互作用，以提高 SSL 图像分类的性能。实验结果表明，InterLUDE 在标准闭集 SSL 基准测
PDF4 months ago
CVPR朝未知领域进发：密度递减特征扰动用于半监督语义分割
基于密度下降的特征扰动（DDFP）是一种新颖的特征级一致性学习框架，旨在通过扰动注入将特征移向密度较低的区域，有效地规范决策边界，并通过轻量级密度估计器实时捕获特征密度分布，该方法在特征级扰动上胜过其他设计并在 Pascal VOC 和 C
PDF4 months ago
通过一致性规则将量化感知训练推向全精度性能
该论文介绍了一种新颖的方法 ——Consistency Regularization（CR），通过将邻近数据分布信息注入到 Quantization-Aware Training（QAT）中，有效提高了 QAT 的泛化性能，实验证明该方法显
PDF4 months ago
通过防止样本选择的偏差来学习不平衡有噪声数据
提出了一种用于处理不平衡数据集中的噪声标签的简单而有效的方法，该方法基于类平衡的样本选择（CBS），结合置信度的样本增强（CSA），利用模型的训练动态纠正噪声样本的标签，并采用一致性正则化来提升模型性能。综合实验结果表明，我们的方法在不平衡
PDF4 months ago
可靠的测试时间适应性的解耦原型学习
通过提出 Decoupled Prototype Learning (DPL) 方法，本研究解决了使用伪标签进行交叉熵损失微调时容易受到标签噪声影响的问题，并引入了基于内存的策略增强小批量处理的鲁棒性，在遇到不确定伪标签的样本时，使用一致性
PDF6 months ago
FireMatch: 基于一致性和分布对齐的半监督视频火灾检测网络
基于半监督学习的火灾检测模型 FireMatch，结合了一致性正则化和对抗分布对齐，通过伪标签和视频增强等技术，扩展训练数据量，提高了分类性能和模型鲁棒性，实验结果表明该方法在真实火灾数据集上的准确率显著优于当前最先进的半监督分类方法。
PDF8 months ago
特征空间重新归一化用于半监督学习
本文提出了一种特征空间重整化机制 (FSR) 作为半监督学习的一种代替一致性正则化方法的方法，并将其与伪标签相结合，得到了一种名为 FreMatch 的新型有效的半监督学习模型，实验证明该方法在多种标准半监督学习基准数据集上能够取得更好的性
PDF8 months ago
ICCV顺序保持的一致性正则化用于领域适应与泛化
为了解决深度学习模型在跨领域挑战中对特定领域属性过于敏感的问题，本文提出了一种基于次序保持一致性规则（OCR）的方法，通过保持预测的次序性，使模型对任务无关的转换具有鲁棒性，从而降低对特定领域属性的敏感性。在五个不同的跨领域任务上，该方法显
PDF9 months ago
半监督医学图像分割中基于伪标签引导数据增强的双解码器一致性
基于平均教师模型的双解码器一致性伪标签引导数据增强方法（DCPA），结合一致性正则化、伪标签和数据增强，以增强半监督分割的效果。通过学生模型和教师模型，共享编码器和两个不同的解码器，增加学生模型训练时的一致表示生成，通过混合数据实现数据增强
PDF10 months ago
一种使用正则化的置信度预测的不确定性感知伪标签选择框架
该研究提出了一种基于不确定性感知的伪标签选择框架，利用符合规范化算法产生的不确定性集合，修复了拟合不当的神经网络，从而减少嘈杂的训练数据。
PDF10 months ago
端到端语音到文本翻译中一致性正则化的实证研究
通过经验研究，本文针对端到端语音转文本翻译提出了两种训练策略：SimRegCR 和 SimZeroCR，以实现一致性正则化的最新性能。在 MuST-C 基准测试中，在大多数翻译方向上，我们的方法取得了最先进的性能。分析证明，由内部一致性带来
PDF10 months ago
基于一致性正则化的通用 Morph 攻击检测
从一致性正则化的角度提高形态攻击检测的泛化能力，通过两种简单但有效的形态增强方式，在各种领域生成的形态攻击图片上对模型进行逻辑和嵌入层级上的一致性正则化，实验结果表明与现有研究相比，我们提出的方法具有更高的泛化性能和鲁棒性。
PDF10 months ago
ICCV缩小半监督学习的类空间以提高确定性
我们提出了一种名为 ShrinkMatch 的新方法，通过检测并去除顶级类别的混淆类，将不确定的样本转化为确定的样本，在收敛空间中对不确定的样本进行学习，并在收缩空间中对强化和弱化样本进行一致性正则化，以获取判别性表示。
PDFa year ago
扩散模型是否受到误差传播的影响？理论分析与一致性正则化
扩散模型中的错误传播问题及其解决方法的实验和理论验证，提出了一种一致性正则化方案来降低前向和后向过程之间的分布差异，并引入了引导算法来降低计算成本。在多个图像数据集上的实验结果表明，该正则化策略有效地处理了错误传播问题，并显著提高了传统扩散
PDFa year ago
ICCV弱监督语义分割的全对一一致性学习
通过提出新的基于 Transformer 的正则化方法，我们改进了弱监督语义分割（WSSS）中的目标定位问题。我们引入了一种全对一的一致性正则化方法，以保持不同图像增强之间的激活强度不变，并确保在每个 CAM 中的区域之间的关联保持一致。此
PDFa year ago