few-shot classification | BriefGPT

关键词few-shot classification

搜索结果 - 103

日常生活互动活动的少样本分类（InteractADL）
提出了一个新的数据集和基准 InteractADL，用于理解涉及人（和物体）之间互动的复杂 ADL，并提出了一种用于细粒度少样本视频分类的新方法 Name Tuning，该方法通过学习优化类别名称向量，使语义可分离，展示了在 Interac
PDFa month ago
提升预测学习中的近似 OOD 检测：最大利益，最小成本
我们研究了提示式学习模型在近似 OOD 检测中的能力，并观察到常用的 OOD 得分在此任务中表现有限。为了提升性能，我们提出了一种快速简单的后续方法，与现有的基于逻辑的得分相结合，将近似 OOD 检测的 AUROC 提高了最佳 11.67％
PDFa month ago
少样本图像分类的类相关补丁嵌入选择
我们提出了一种有效的图像分类方法，通过从前景和背景元素中选择相关特征和使用预训练的 Vision Transformer (ViT) 对图像进行编码，然后通过筛选类相关的补丁嵌入来改善预训练模型的性能，并在流行的少样本分类基准测试中超过了现
PDF2 months ago
法庭场景中我们能否识别未知音频录制环境？
通过环境识别的鲁棒性少样本分类系统 EnvId，我们实现了对未知环境位置的取证调查，能够处理取证材料中的挑战性问题，包括信号降级、环境特征和录音位置不匹配等。
PDF2 months ago
ICLRMetaCoCo: 一个新的具有虚假关联的少样本分类基准
少样本分类中的异构问题（OOD）会导致模型性能下降，而交叉领域少样本分类（CD-FSC）和虚假相关少样本分类（SC-FSC）是 OOD 问题的主要组成部分。为了解决 SC-FSC 问题，我们提出了一个真实场景下收集的含有虚假相关偏移的基准测
PDF2 months ago
ACLLLM 不适用时使用 FastFit: 快速高效的多类别文本分类
FastFit 是一个 Python 包，利用批量对比学习和令牌级相似度评分的新方法，为许多语义相似类别的情况下提供快速准确的少样本分类。相较于现有的少样本学习包，如 SetFit、Transformers 或通过 API 调用大型语言模型
PDF3 months ago
条件下的原型修正提示学习
利用大规模的预先训练的视觉语言模型，通过高效的迁移学习方法解决基类过拟合问题，提出了一种条件原型纠正提示学习方法，有效地纠正了基类示例的偏差并增加了有限数据量，在少样本分类和从基类到新类的泛化任务中实现了最先进的性能。
PDF3 months ago
Few-shot 分类中的平坦性改善骨干通用化
通过对骨干网络的培训，实现深度神经网络在新任务中的快速适应，从而提高其泛化能力。
PDF3 months ago
多模态 CLIP 推理用于元 - 少样本图像分类
结合 CLIP 的文本和图像编码器的多模态方法，在广泛采用的基准测试上超越了最先进的元少样学习模型，而无需额外训练。
PDF3 months ago
连线：针对黑盒图像 - 语言模型的协作微调
该论文提出了一种名为 CraFT 的协作微调方法，用于将黑盒预训练视觉语言模型应用于下游任务，通过仅获得输入提示和输出预测来优化模型，并在少样本分类上展示出显著的结果。
PDF5 months ago
简单语义辅助的少样本学习
利用少量数据进行学习是一项具有挑战性的计算机视觉任务，本文通过引入高质量的语义以及使用简单的网络结构，设计了一个名为 “语义进化” 的自动化方式来解决少样本学习中的问题，实验证明该方法在少样本分类任务中表现优异。
PDF7 months ago
从文本中推断潜在类别统计量以实现强健的视觉少样本学习
本文提出一种新颖的方法，利用文本统计数据预测每个类别的视觉特征分布的均值和协方差，从而丰富潜在空间，提高鲁棒性和泛化能力，在各种数据集上改进了少样本分类性能。
PDF7 months ago
跨层蒸馏和特征去噪用于跨领域少样本分类
我们通过在训练阶段让目标领域中的一小部分无标签图像可访问，解决基于跨域 few-shot 分类的问题，同时通过指导网络的浅层学习更高级别的信息的跨层级知识蒸馏方法提取更有区分度的特征，以及通过特征去噪操作减少特征冗余并减轻过拟合，我们的方法
PDF8 months ago
EMNLPPromptMix: 大型语言模型蒸馏的类边界增强方法
利用大型语言模型（LLM）生成边界类别的具有正确标签的辅助数据，从而促进了知识传递并改善了文本分类任务中的数据增强效果。
PDF8 months ago
EMNLP基于 API 嵌入模型的文本少样本分类的传导学习
该论文介绍了使用专有和封闭的 API 来处理自然语言的普遍性和影响，重点讨论了少样本分类和转导推断在自然语言处理中的应用和优势。
PDF8 months ago
贝叶斯元学习中逻辑 - softmax 似然函数的再审视 —— 针对少样本分类的研究
通过重新设计逻辑 - softmax 似然函数，控制先验置信水平，将数据增强技术应用于深度核心基于高斯过程的元学习框架，实现了良好校准的不确定性估计，并在标准基准数据集上取得了可比较或优秀的结果。
PDF9 months ago
超几何与欧几里得嵌入在少样本学习中：同一硬币的两面
最近在表示学习方面的研究表明，分层数据在双曲空间中能产生低维度和高信息量的表示。然而，即使双曲嵌入在图像识别方面引起了人们的关注，其优化过程容易遇到数值障碍。此外，与传统的欧几里德特征相比，目前尚不清楚哪些应用最能受益于双曲性所施加的隐式偏
PDF10 months ago
基于视觉语言模型的简单形状和纹理文本描述的少样本医学图像分类
通过使用 GPT-4 模型生成描述医学图像对象形状和纹理特征的文本描述符，以及预训练自然图像的 VLMs，我们找到了应用 VLMs 和 GPT-4 生成的描述符进行医学图像的少样本分类的可行方法，并评估了 VLMs 评估乳腺肿块超声图像形状
PDFa year ago
ECO: 基于集成上下文优化的视觉语言模型
通过学习图像分类的一系列提示信息，我们证明了与仅仅依赖一个可训练提示相比，学习多样和可能更短的上下文能够在推理时间不增加额外成本的情况下显著和一致地提高结果，在 11 个不同基准测试中显示了我们方法的能力。
PDFa year ago
LPN：语言引导原型网络用于小样本分类
本文提出了一种基于语言引导的原型网络 (LPN)，通过引入语言模态和计算视觉特征向量之间的相似性，从而改进了少样本分类任务。实验结果表明，该方法在基准数据集上具有与最先进方法相当的竞争力。
PDFa year ago