cross-domain adaptation | BriefGPT

关键词cross-domain adaptation

搜索结果 - 10

跨领域连续学习的 CLAMP 方法
我们在这篇文章中提出了一种名为 CLAMP 的跨领域持续学习方法，它集成了一种类感知对抗领域自适应策略，以在复杂变化环境中实现单一模型的部署，避免了额外的标注成本，并且在理论分析和大量实验证明中取得了至少 10% 的显著性优于现有基准算法的
PDF2 months ago
增强跨域检测：自适应分类感知对比变换器
我们提出了一种新颖的基于对抗学习和 mean-teacher 框架的类感知跨域检测变换器，通过引入 IoU 感知预测分支、动态类别阈值细化和实例级类感知对比学习模块来解决跨域适应中的标签不足、类不平衡和模型性能下降的问题。实验证明，我们的方
PDF5 months ago
UTOPIA: 通过跨域适应实现无限制目标跟踪
本文提出了一种跨领域 MOT 自适应方法，以先前的数据集为基础，并通过自我学习和更新来模拟新数据的获取过程，采用自监督学习的策略，实验结果表明在多项挑战性设置中，相比完全监督、无监督和自监督的最新方法，该方法在跟踪度量 MOTA 和 IDF
PDFa year ago
跨领域手术图像分割的客户端 - 服务器深度联邦学习
本文提出了一种适用于二维外科图像分割的跨域适应解决方案，明确考虑不同中心分布式数据集的隐私保护问题，通过构建客户端 - 服务器深度联邦架构，利用不变的参数和区分不同域的客户端特定参数实现了解决数据共享难题并取得了更好的实验结果。
PDFa year ago
PromptNER: 命名实体识别提示
本文介绍了 PromptNER 算法，将大型语言模型与有限训练样本相结合，实现跨领域、少量样本下的命名实体识别任务，相对于传统方法，取得了十分显著的性能提升。
PDFa year ago
NollySenti: 基于迁移学习和机器翻译的尼日利亚电影情感分类
本文通过跨域自适应的方式，以五种尼日利亚当地常用语言（英语，豪萨语，伊博语，奈及利亚皮钦语和约鲁巴语）为基础，创造了新的数据集 NollySenti，用来进行情感分类的任务，并通过机器学习和基于预训练模型的方式进行了广泛的实证评估。同时通过
PDFa year ago
低资源自然语言理解的有效迁移学习
本论文旨在解决 NLU 模型在缺乏数据或知识资源时的挑战，提出了跨语言和跨域适应方法及面向低资源语言的关键词增强方法、序列颗粒化建模方法、多领域预训练方法和粗粒度到细粒度的表示学习框架。
PDF2 years ago
元对抗学习的跨域少样本学习
本研究提出一种基于元学习和对抗训练的元领域适应框架，用于解决 few-shot 关系分类在跨领域场景中的问题，并在实验中验证了该模型的有效性。
PDF2 years ago
ICML抽象摘要生成的判别式对抗搜索
本研究提出了一种名为 DAS 的新型序列解码方法，使用判别器来驱动序列生成，从而减轻现象偏差的影响；应用该方法于提取式摘要任务上的实验结果表明，DAS 可以优于现有最先进的方法，同时可用于不同领域的自适应，而且不需要依赖后处理规则过滤策略。
PDF4 years ago
ICCV动物姿势估计的跨域适配
本文介绍了一种利用跨域适配方法和人类姿态数据集提升多种动物物种姿态估计的方法。实验表明，该方法可以很好地利用先验知识，并取得令人信服的结果。
PDF5 years ago