关键词hierarchical representation learning
搜索结果 - 6
- 基于神经网络体系结构的通用决策树集成:分布式梯度提升森林 (DGBF)
决策树组合算法(如 RandomForest 和 GradientBoosting)在对于离散或表格数据进行建模方面是主导方法,但是由于它们无法像神经网络那样从原始数据中进行层次化表示学习,因此限制了其在深度学习问题和建模非结构化数据方面的 - 医学图像分割密集层级表示的自监督学习
通过自监督框架学习适用于密集下游任务的体素级粗细粒度表示,通过平衡多尺度特征的贡献,确保学习到的表示捕捉到粗粒度和细粒度的细节,并在有限的注释数据下持续优于基准模型。
- 高效多尺度多模态瓶颈变压器用于音视频分类
本文介绍了一种多尺度多模态转换器(MMT),利用层次化表示学习,进一步使用音频 - 视频对比损失和同模态对比损失来实现多模态融合,提高动作识别准确率。
- 分层开放词汇通用图像分割
本文提出了一种层次化结构的图像分割方法,包括分层表示和分裂的文本图像融合机制,并成功应用于多种分割任务中,包括语义、实例和部分级别的图像理解。
- 多尺度音频光谱变换器用于有效的音频分类
这篇研究提出了一种名为多尺度音频谱变换器(MAST)的方法,它采用分层表示学习来提高音频分类的效率,相较于 AST,MAST 在没有外部训练数据的情况下,在 Kinetics-Sounds,Epic-Kitchens-100 和 VGGSo - SIGIR异构图上层次表示学习的跨语言引文建议
本研究提出了一种新颖的方案,通过异构图上的分层表示学习来进行跨语言引用推荐,可以优化出在图上定位重要的跨语言邻域的概率,实验结果显示该方法不仅可以超越现有的基线模型,而且可以提高跨语言引用推荐任务的表现。