image augmentations | BriefGPT

关键词image augmentations

搜索结果 - 8

生成模型能否改善自监督表示学习？
自我监督学习通过使用生成模型生成语义一致的图像增强，丰富了学习强大视觉表示的方法，并显著提高了学习到的视觉表征的质量。
PDF4 months ago
利用图像增强技术提升神经渲染方法
本篇研究探索了在 3D 计算机视觉中学习神经渲染方法时，引入图像增强技术的潜力和挑战，并提出了一系列的数据增强方法以解决图片几何和光度一致性不足的问题，并说明了数据增强在提高物体重建质量方面的优势。
PDFa year ago
理解图像增强的好处
本文研究了在神经网络中使用图像增强技术的效果对 ResNet 网络中不同层的影响和应用，发现使用两幅图像的增强技术显著影响网络学习，而对于采用 Imagenet-1K 权重和 fine-tuning 的深层 ResNets，各层受到的影响程
PDFa year ago
探索 X 光胸片双子表示学习的图像增强技术
本研究采用孪生网络对三个大型医学数据集上的胸部 X 光片进行异常检测，系统评估了不同数据增强方法对于自监督学习中所学表示质量和鲁棒性的影响，最终确定了一组能够在抗干扰性和泛化性上优于传统模型的最佳增强方法。
PDFa year ago
模仿任务的表征学习的实证研究
研究了基于模块化框架的表示学习算法在模仿学习中的应用，发现对于基于图像的模仿学习，在多个环境套件中，现有的表示学习算法相对于图像增强的精心调整的基准测试提供的价值有限，并对此结果进行了解释。
PDF2 years ago
从强化学习中分离表示学习
该研究提出了一种从图像中训练深度强化学习模型的新方法，称为增强时序对比学习（ATC），该方法训练一个卷积编码器以用对比损失关联短时间差别的图像对，并成功应用于多个模拟实验中以实现代理在 RL 任务中更好的性能。
PDF4 years ago
对比学习中的互信息在视觉表征中的应用
本论文探讨了基于对比学习的图像表示学习方法，提出了一种最大化互信息的下界的目标函数，并在实验中发现选择难度更大的负样本以及视角可以提高算法性能。通过比较多种学习方法，研究结果表明，基于互信息的目标函数可以使得算法在分类、边界框检测、实例分割
PDF4 years ago
Albumentations：快速灵活的图像增强
Albumentations 是一个用于图像增广的快速和灵活的库，通过多种不同的图像变换操作增强了计算机视觉的效能，同时也是其他增广库易于使用的包装器，并提供了公开可用的源代码。
PDF6 years ago