cross-domain few-shot learning | BriefGPT

关键词cross-domain few-shot learning

搜索结果 - 10

探索基于频率感知的跨域少样本分类
通过提出一种基于频率感知提示的方法，该方法使用双向注意力模块来模拟人类视觉感知，在跨领域少样本分类中能够改善现有方法的性能。
PDF10 days ago
视频基于少样本行为识别模型的跨领域能力理解
本研究在跨领域少样本动作识别问题中，通过系统性评估已有的单领域、基于迁移的和跨领域方法，发现领域差异与性能之间存在相关性，揭示了一些对 CD-FSAR 方法有效的模型方面，以及需要进一步发展的方面，希望这些洞见能够激发和指导未来在这些方向上
PDFa month ago
多模态跨领域少样本学习用于主体动作识别
通过多模态输入和无标签目标数据解决跨领域少样本学习中视角行为识别的两个关键挑战，即视角视频的领域差异和实际应用的计算成本问题。提出了 MM-CDFSL 方法，通过教师模型的多模态蒸馏和集成遮蔽推理，增强模型对目标域的适应性并提高推理速度。在
PDFa month ago
基于距离感知对比学习增强信息最大化的无源领域跨域少样本学习
本文研究了无需访问源领域数据的无源跨领域小样本学习问题，并提出了增强信息最大化与距离感知对比学习 (IM-DCL) 方法，通过引入转导机制、信息最大化和距离感知对比学习来解决这一挑战。在 BSCD-FSL 基准测试的四个数据集上验证了该方法
PDF4 months ago
扁平化远程损失景观对跨领域少样本学习
通过扩展损失景观的分析范围和引入一种新的归一化层，本研究提出了一种用于提高跨领域少样本学习性能的方法，并在 8 个数据集上的实验证实了其优越性。
PDF4 months ago
AAAI通过渐进式学习和自适应蒸馏在适配器中利用归一化层进行跨领域少样本学习
我们介绍了一种新的通用框架，利用适配器中的归一化层和渐进学习自适应蒸馏（ProLAD），解决了跨领域少样本学习中的批次统计偏移和噪声样本统计的问题，通过两个不同的适配器和自适应蒸馏技术，我们的方法在标准的跨领域少样本学习基准中表现出超越现有
PDF7 months ago
自适应加权合作学习用于跨域少样本学习
通过自适应加权联合学习的方法，将两个独立训练的源典型分类模型适应目标任务，以解决交域少样本学习的挑战，该方法采用加权移动平均预测策略生成概率性预测，并基于从预测中产生的伪标签和实例权重交替地联合微调两个模型。此外，还通过惩罚错误预测部署了负
PDF7 months ago
MMTGDM: 面向跨领域少样本学习的目标引导动态混合
介绍一种新的跨域 few-shot 学习方法，通过引入中间域和动态混合策略，缩小域差距和实现目标域的知识转移，最终通过双层元学习提高模型性能。
PDF2 years ago
CVPR元调整的跨域少样本学习
通过引入迁移学习和元学习以及改进的训练过程包括一阶 MAML 算法和图神经网络模型，本文提出的方法在加上数据增强后，在新的跨领域少样本学习基准上实现了 73.78% 的平均准确度，比既有基准提高了 6.51%。
PDF4 years ago
无监督学习在少样本图像分类中的应用
本研究提出了一种自我监督学习的方法，以训练更通用的嵌入网络，可以在少样本的情况下实现更好的图像分类性能，即使在跨域情况下也表现出一定的鲁棒性。
PDF5 years ago