labeled and unlabeled data | BriefGPT

关键词labeled and unlabeled data

搜索结果 - 12

多策略取景器网络的图像裁剪伪标记
自动图像裁剪模型利用带有标签的数据和无标签的数据扩展训练集，通过学生模型根据由教师模型生成的伪标签来改进裁剪结果，并通过多策略取景网络（MPV-Net）提供多样的优化策略来提高伪标签的准确性和可靠性，从而在自动图像裁剪任务中取得了领先水平的
PDF3 days ago
类别发现的标注数据选择
类别发现方法使用带有标记和未标记图片的训练集，在训练过程中，通过指示标记数据中相关的视觉特性和特征来指导在未标记数据中进行发现，本论文探讨了标记数据选择对发现性能的影响，并提出了两种基于标记数据与未标记数据相似性的自动选择最适合的标记数据的
PDFa month ago
分布式半监督稀疏统计推断
本研究旨在研究半监督稀疏统计推断在分布式环境中的应用，提出了一种高效的多轮分布式去偏估计方法，有效地整合了有标记和无标记的数据，并应用于 M-estimation 和广义线性模型等不同损失函数形式。通过模拟研究和真实数据应用，证明了这种方法
PDFa year ago
CVPR半监督医学图像分割的双向复制粘贴
本研究提出一种半监督医学图像分割的方法，通过在简单平均教师体系结构中双向复制粘贴标记和未标记数据，从而鼓励标记和未标记数据之间的一致性学习，有效缓解标记和未标记数据分布之间的差异，实验证明该方法相对于其他半监督医学图像分割数据集的最新技术有
PDFa year ago
CVPR重新思考基于贝叶斯深度学习的半监督体积医学图像分割方法
本文提出一种新的生成贝叶斯深度学习（GBDL）体系结构，可用于半监督医学图像分割任务，结构设计完全基于贝叶斯理论，同时融合了生成模型和生成贝叶斯深度学习的特点，可以利用标记和未标记的数据对训练进行优化，实验证明，该方法对于三个公共的医学数据
PDF2 years ago
ICCV多任务自训练用于学习通用表示
通过利用已训练的独立专业模型的知识来训练一个单一的通用学生模型，本研究提出了一种名为多任务自我训练（MuST）的方法，此方法 3 个步骤，包括利用专业教师模型对未标记的数据进行标记以创建一个多任务虚标记数据集，然后使用该数据集对学生模型进行
PDF3 years ago
CVPRSSLayout360：基于 360 度全景图的半监督室内布局估计
该研究探索了半监督学习和三维室内布局重建的交叉领域，提出了使用标记和未标记数据学习房间角和边界表示的方法，利用 360 度全景场景实现了改进的室内布局估计。实验结果表明，该方法同样精准，仅需使用 12％的标记数据。这项工作是实现使用有限标记
PDF3 years ago
COLING半监督自编码投影依存分析
通过深度神经网络处理输入进一步编码为潜在变量，包括在序列中使用连续潜在变量对输入进行编码的局部自编码分析器（LAP）和在依存树中使用依赖树作为潜在变量对输入进行编码的全局自编码分析器（GAP），使用统一结构和不同的损失函数处理有标记和无标记
PDF4 years ago
半监督学习框架下的印戒细胞检测
本研究提出了一种半监督学习框架，通过自我训练和合作训练相结合，有效检测出签环细胞癌，实验结果表明该设计具有针对性，可直接应用于临床试验中。
PDF5 years ago
深度半监督学习算法的实际评估
通过实现多种常用的 SSL 技术并在一系列实验中进行测试，研究发现简单基线方法的表现通常被低估，而 SSL 方法对标记和未标记数据的敏感性不同，当未标记数据集包含类外示例时性能可能会显著下降，因此我们提供了一个公共代码重现平台以帮助实现 S
PDF6 years ago
半监督条件生成对抗网络
提出了一种新的半监督生成对抗网络模型 (SS-GAN)，通过适应 GAN 框架，使用一对堆叠的鉴别器来学习数据的边际分布和数据属性的条件分布，特别针对半监督学习，通过有标记和无标记数据学习数据的边际分布并通过有标记数据纯粹地学习属性的条件分
PDF7 years ago
利用已标记和未标记数据进行学习：技术和领域的实证研究
本文对多种半监督学习技术在不同数据集上进行实证研究，探讨标记数据和未标记数据的独立性、相关性、数量和噪声对学习效果的影响，同时针对样本选择偏差实现双变量 Probit 技术进行校正。
PDF13 years ago