BriefGPT.xyz
Ask
alpha
关键词
entropy loss
搜索结果 - 6
少样本零样本情境中的半监督学习
我们通过引入额外的熵损失构建了一个分类器,用于对来自已知和未知类别的数据进行分类,从而改进了现有的半监督学习方法在已知和未知类别的分类中的表现。通过在 CIFAR-100 和 STL-10 两个基准图像分类数据集上的实验证明,我们相对于现有
→
PDF
10 months ago
ICLR
使用序数熵改进深度回归
本研究研究计算机视觉中回归问题的分类方法,发现使用交叉熵损失的分类方法比均方误差损失的回归方法具有更好的性能,同时提出了一种序数熵损失方法以鼓励高熵的特征空间并维护序数关系来提高回归任务的性能。实验结果表明增加熵对于回归任务的重要性和好处。
PDF
a year ago
ICML
无遗忘的高效测试时间模型自适应
本研究提出了一种主动样本选择的准则,以确定可靠和不冗余的样本,从而使模型更新以最小化测试时适应的熵损失。 同时,引入了一个 Fisher 正则化器,约束重要的模型参数使其不会发生剧烈变化,从而缓解 “灾难性遗忘” 的问题。
PDF
2 years ago
ICCV
跨领域下存在离群值的图像匹配
本文提出了一种端到端的体系结构,可以在没有标签的情况下匹配跨域图像并通过异常检测处理非重叠域,该体系结构利用域自适应和三元组约束来训练一个网络,该网络能够学习域不变和身份可区分的表示,并使用熵损失和我们提出的加权 MK-MMD 迭代地检测异
→
PDF
5 years ago
CVPR
ADVENT: 基于对抗性熵最小化的语义分割领域自适应
本文提出了两种基于像素预测熵的损失函数的方法来解决语义分割中的无监督域适应问题,分别采用熵损失和对抗性损失。在两个具有挑战性的 “synthetic-2-real” 场景下,我们证明了该方法在语义分割方面具有最先进的性能,并且该方法也可以用
→
PDF
6 years ago
深度卷积决策森林用于图像分类
提出了一种深度卷积决策丛林(CDJ)方法和其学习算法用于图像分类,该方法在使用数据相关的判别函数方面具有一定优势,并通过将经典 softmax 和熵损失结合使用的方式,以更好的处理多模态 / 异构数据,同时在网络响应方面也具有更丰富的稀疏性
→
PDF
7 years ago
Prev
Next