关键词low-shot image classification
搜索结果 - 3
- 基于贝叶斯的预训练模型在低 - shot 图像分类中的探索
基于高斯过程的概率模型集成框架,通过结合 CLIP 和基于各种预训练模型构建的深度核函数集成,实现了先验知识的整合,并在标准基准上通过广泛实验证明了我们方法在预测性能方面始终优于竞争方法。
- 大型语言模型是低样本图像分类的良好触发器学习者
通过整合大型语言模型(LLMs)提升预训练视觉 - 语言模型(VL)在低样本图像分类中的能力,提出了大型语言模型作为提示学习者(LLaMP)的方法,并在 11 个数据集上的零样本和小样本图像分类任务中取得了更好的性能。
- 面具孪生网络用于标签高效学习
提出了一种自监督学习框架 ——Masked Siamese Networks (MSN),用于学习图像表示。通过将随机遮罩块的图像视图的表征与原始未遮罩图像的表征进行匹配,可以进行自监督预训练,该策略特别适用于 Vision Transfo