low-data regimes | BriefGPT

关键词low-data regimes

搜索结果 - 9

更多尽于少：低数据情境下高效细粒度视觉识别
通过利用增强和蒸馏技术，AD-Net 框架通过自我蒸馏技术在增强样本上优化学习特征，减轻有害的过拟合，从而在弱数据条件下提高深度神经网络性能，相对于标准 ResNet-50 和最先进的低数据技术的 SOTA 接近者，我们的框架相对准确度最高
PDF4 days ago
无监督预训练的语言 - 视觉提示用于低数据实例分割
在当前的研究中，根据最新的 DETR（DEtection TRansformer）范式，基于查询的端到端实例分割（QEIS）方法在大规模数据集上训练时表现出了卓越的性能，尤其是与基于 CNN 的模型相比。然而，当面对有限的训练数据时，这些
PDFa month ago
多视图子图神经网络：稀缺标记数据的自监督学习
利用子图构建长距离依赖关系来改善低数据环境下节点分类的性能，并提出了一种名为 Muse 的自监督学习框架，通过联合捕获局部结构和长距离依赖关系，提高了图中节点的表示表达能力。
PDF2 months ago
使用显著性提示的无监督预训练提高低数据实例分割
本研究提出了一种基于未标注图像的显著性策略和 Prompting 技术的无监督预训练方法，包括三个步骤：显著性掩码提取、Prompt-Kernel 匹配和核监督。在低数据环境中有效地提高了 QEIS 模型的性能和收敛速度。
PDFa year ago
EMNLP使用数据增强改善对话中的超出范围检测
通过使用 GOLD 技术，结合辅助数据样本，筛选产生伪标签候选数据，并采用新的筛选机制来训练 OOS 检测器，从而在低数据情况下提高模型性能，实验证明在不同基准测试中，GOLD 模型比现有方法表现更好，实现了相对增益 52.4％，48.9％
PDF3 years ago
CVPR从单张图像和视频中学习生成新颖场景构图
本文提出了一种称为 One-Shot GAN 的算法，可从仅有一张图像或短视频的训练集中进行学习，利用两个判别器实现对内部内容和场景布局真实性的分开评估，并在保留原始样本内容的基础上构造出视觉上逼真、新颖的场景组合合成，相较于之前的单图像
PDF3 years ago
ACL一个 Prompt 值得多少数据点？
本研究目的是在公平的环境中比较使用泛用模型的头部和使用任务特定提示的微调，通过控制各种先天优势，我们发现提示确实带来了好处，并且这种好处可以针对每个任务进行量化，结果表明，相对于分类任务，提示通常值得跨越数百个数据点。
PDF3 years ago
用于少样本分割的样板细化网络
本文提出了一种原型精炼网络（PRNet），通过自适应和融合获取新类别的代表性原型，从而增强了低数据量情况下的原型区分度，实现了少样本分割的挑战，实验结果表明该方法显著优于现有方法。
PDF4 years ago
ACL利用一阶逻辑增强神经网络
本文介绍了一种新的框架，将逻辑语句编译成计算图，用于指导神经网络的训练和预测，在机器理解、自然语言推理、文本分块等任务表现出较高性能，特别是在低数据情况下表现出色。
PDF5 years ago