label refinement | BriefGPT

关键词label refinement

搜索结果 - 11

CVPR缓和以防御：通过自引导标签完善实现对抗鲁棒性
鲁棒训练是为了提高深度神经网络对抗攻击的鲁棒性的最有效方法之一，但大多数鲁棒训练方法存在鲁棒过拟合的问题。本文从梯度范数角度首次找到了鲁棒过拟合与噪声标签过渡记忆之间的联系，并提出了一种自我导向的标签优化方法，它能提高标准准确度和鲁棒性，在
PDF4 months ago
SemiGPC：使用高斯过程进行的分布感知标签细化解决不平衡半监督学习
本文中介绍了 SemiGPC，一种基于高斯过程的分布感知标签细化策略，其中模型的预测源自于标签的后验分布。SemiGPC 通过包含归一化项来解决全局数据分布不平衡同时保持局部敏感度，从而更好地应对确认偏差特别是在类别不平衡条件下。研究结果表
PDF8 months ago
卫星图像语义分割的主动标签细化
通过卫星图像的语义分割进行遥感技术研究，有利于了解和利用地球表面。本文提出一种低成本的标记方法，通过众包或预训练网络标记图像，并利用主动学习策略在第二步精细化标注图像。实验结果表明，对语义分割网络进行主动标注精化能够提高性能。
PDF10 months ago
ACL对比自举用于标签细化
本文基于对粗粒度分类注释的 fine-grained 分类与粗细映射的方法，提出了一种基于轻量级对比聚类的自举方法，用于迭代地精炼 passage 标签，并在 NYT 和 20News 数据集上得到了较大幅度的性能提升。
PDFa year ago
基于邻居引导标签优化的协同学习无监督可见 - 红外人员再识别
本文介绍了一种多模态学习方法，称为 Dual Optimal Transport Label Assignment（DOTLA）框架，用于学习无标签跨模态数据集中的多模态特征。同时，本文还介绍了一种基于跨模态邻域一致性的标签完善和正规化模块
PDFa year ago
基于摄像头内部相似性的伪标签细化方法，用于无监督人员重识别
该论文提出了一种基于聚类和标签细化的无监督行人重新识别方法，通过内部相机特征分布和自适应学习得到更加可靠的伪标签，取得了优于当前最先进方法的结果。
PDFa year ago
利用类层次挖掘的实例级少样本学习
本文提出了一种利用层次信息进行分类的几乎无监督的实例级别小样本学习方法，称为 Soft Multiple Superclass (SMS)。该方法采用了一种新的超类方法来自动创建基本和新的类的层次结构，关注基本类别的相关特征以有效分类新对象
PDFa year ago
基于主成分随机外推的数据增广技术
本文提出了一种针对数据不平衡的数据增强方法 REPRINT，基于隐藏空间表示，运用主成分的子空间来生成新的目标类样本，同时采用标签重组技术实现新样本的标签合成，与多种 NLP 数据增强方法相比，在四个文本分类基准测试中显示出令人瞩目的改进。
PDF2 years ago
AAAI探究基于概率不确定性的无监督域自适应人员再识别
本文提出了一种名为概率不确定性引导的逐步标签精炼的方法，旨在解决无监督域自适应人员再识别中伪标签的噪音问题，通过探索逐步提升伪标签以及用概率建模伪标签不确定性等手段，最终在四个无监督域自适应人员再识别基准任务上实现了业界领先的表现。
PDF3 years ago
CVPR具有残差连接和有限数据的神经网络剪枝
本研究提出了 CURL 方法，通过 KL-divergence 标准对残差连接内外的通道进行修剪，并使用知识蒸馏和标签细化方法解决了有限数据和标签噪声带来的问题，在 ImageNet 数据集上显著优于之前的最先进方法，同时在小数据集上修剪时
PDF5 years ago
WSDMVISIR：图像视觉和语义标签的精细化
本篇论文介绍了新型的图像检索方法：内容检索和基于标记的检索，它们都存在一些限制。作者提出了一种方法，可以对深度学习产生的标记进行语义细化和扩展，解决了标记的嘈杂问题和限制，使用整数线性规划来解决该问题。实验表明，该方法可以改善现有的可视化标
PDF5 years ago