labels | BriefGPT - AI 论文速递

关键词labels

搜索结果 - 20

CVPRALINA：高级线路识别和标记算法
提出一种新的注释框架 ALINA 用于标注出租车道数据集，并使用其生成对应的像素坐标标注，从而在测试中显示了高达 98.45% 的检测率。
PDF21 days ago
WarCov -- 来自社交平台的大规模多标签多模态数据集
该论文介绍了从数据获取到构建数据集的过程，用于分类任务和自然语言处理，特别关注 COVID-19 疫情以及标签的创建。
PDF24 days ago
超越已知聚类：为高效泛化类别发现探索新原型
基于知识学习的通用类发现 (GCD) 旨在根据来自已标记和未标记数据的知识动态地为未标记数据分配标签，然而现有方法主要依赖于聚类算法的性能，并受限于聚类算法的固有局限性。
PDF3 months ago
基于跨度的信息抽取 -- 关于信息抽取的统一视角
信息抽取是自然语言处理（NLP）中的一系列任务，用于识别文本中的子序列及其标签，并链接自由文本和结构化数据。本文提出了一种以文本片段为中心的统一视角，将多样的信息抽取任务重新定位为同一基本的以文本片段为导向的信息抽取任务。
PDF4 months ago
利用隐私保护的大型语言模型和多类型标注增强胸部 X 光数据集：提高分类的数据驱动方法
使用 MAPLEZ 方法，使用基于规则的系统从 CXR 报告中提取和增强发现标签，包括存在性、位置、严重程度以及放射科医生对发现的不确定性，并在分类监督中取得了显著的模型质量提升
PDF4 months ago
KeNet: 知识增强的 Doc-Label 注意力网络用于多标签文本分类
提出一种名为 Knowledge-enhanced Doc-Label Attention Network (KeNet) 的新方法，通过综合的文档、知识和标签表示来预测每个文本的所有标签，并在多个多标签数据集上进行了综合验证，实验证明我们
PDF4 months ago
弱监督下数据选择的统计理论研究
给定一个大小为 $N$ 的样本，对于统计估计或学习，通常有必要选择一个更小的大小 $n<N$ 的子样本。我们假设给定 $N$ 个未标记的样本和一个能够比随机猜测更好地预测标签 $y_i$ 的 “替代模型”。我们的目标是选择一个子样本集，用于
PDF9 months ago
大规模并行热图排序及其在可解释聚类中的应用
给定一组具有 $k$ 个标签的点，我们引入了热图排序问题，该问题在重新排序和合并点和维度的同时保留聚类（标签）。我们证明了该问题是 NP 难问题，并且在高度并行计算模型中给出了一个具有恒定轮数的固定参数算法，其中每台机器都具有子线性内存，且
PDF10 months ago
ICCVRankMixup: 基于排名的 Mixup 网络校准训练
RankMixup 是一种基于混合的框架，通过 Ordinal Ranking Relationship 实现网络校准，通过混合系数和置信度之间的顺序关系来提高校准能力，并减少混合标签的问题。
PDF10 months ago
ICCVUniVTG：面向统一的视频 - 语言时序定位
通过统一视频时序定位（Video Temporal Grounding）的各种标签和任务，提出的 UniVTG 框架在大规模不同标签下能够解锁时序定位预训练，并获得更强的定位能力，例如零样本时序定位。对三项任务（时间区间提取、重要片段检测和
PDFa year ago
层次多标签文本分类的最新进展：一项综述
本文综述了层次化多标签文本分类的最新进展，包括开源数据集、主要方法、评估指标、学习策略和当前面临的挑战，并列举了一些未来的研究方向，以便社区进一步改进该领域。
PDFa year ago
基于描述增强的标签嵌入对比学习用于文本分类
本文提出了一种使用自监督学习及描述增强的标签嵌入网络（DELE）用于文本分类的方法，该方法通过 Relation of Relation（R2）分类任务对标签进行利用，并采用三元组损失来增强标签的差异和联系分析。
PDFa year ago
Casual Conversations v2: 设计一个大型的基于同意的数据集，用于测量算法偏差和鲁棒性
本文提供了一个设计分类和子分类的方法，以便收集一个全面的数据集，以用于测试和开发鲁棒和公平的 AI 系统。
PDF2 years ago
ICLR重新思考病理学中机器学习模型的评估
该论文提出了一套实用的机器学习评估指南，旨在应对病理图像应用中存在的各种问题，包括标签变异性、领域偏移、鲁棒性和混淆变量等，以进一步改善患者结果。
PDF2 years ago
ICML可分解共变移位的域自适应
该论文提出了一个新的处理从共变量和标签中引入偏差的方法（Factorizable Joint Shift, FJS），并提出了一种新的联合重要性对齐（Joint Importance Aligning, JIA）的方法来获得用于监督和无监督
PDF2 years ago
关于 “通过差异性评估 SGD 的泛化能力” 注释
本文介绍了深度神经网络的预测误差可以通过模型的预测不一致性进行估计，其中，“广义差异等式” 遵循了深度集合的良好校准性，并提出了 “类别聚合校准” 的概念。但我们发现该理论可能不实用，因为预测不一致性增加时，深度集合的校准性可能会降低，并需
PDF2 years ago
IJCAI基于表示学习的时间序列分类自动标注生成：降低训练标注成本
本研究提出了一种使用编码器来自动生成未标记时间序列标签的方法，该方法通过学习潜在结构进行自我纠正并使用变分自动编码器来改善标签的质量，实验结果证明该方法接近于全面监督分类的性能水平并在某些情况下表现更好。
PDF3 years ago
评估自动建议对决策的影响：领域专家调节模型错误但采取较少主动
本文研究在临床记录上添加自动标记的影响，发现专家用户对于何时依靠自动处理和何时依靠自己的判断有建立信心的直觉，但当提供全自动处理时，这些用户表现出比较低的自主性和更容易接受错误的提议。
PDF3 years ago
标签细化：通过标签进展提升 ImageNet 分类效果
本文研究标签的一些属性对于监督学习算法的挑战，介绍了 Label Refinery，这是一个迭代的过程，可以在检查整个数据集后更新基本事实标签。作者发现，使用精炼标签可以提高各种模型的准确性，如 AlexNet、MobileNet 和 VG
PDF6 years ago
NIPS图像、标签和标题的深度变分自编码器
研发了一种新型变分自编码器，采用 Deep Generative Deconvolutional Network 作为潜在图像特征的解码器，采用卷积神经网络作为图像编码器，支持建模带标签 / 标题的图像；在测试时，通过对分布的平均来预测标签
PDF8 years ago