mean teacher | BriefGPT - AI 论文速递

关键词mean teacher

搜索结果 - 9

参数选择性持续测试时间适应
本文引入了 Parameter-Selective Mean Teacher (PSMT) 方法，通过选择性的蒸馏机制在学生模型中利用过去知识对新知识进行正则化，以减轻错误积累的影响；同时，在教师模型中通过 Fisher 信息创建掩码来有选
PDF4 days ago
半监督语义分割中的时态知识重访与最大化
提出了一种 PrevMatch 框架，通过最大化利用训练过程中获得的时间知识，有效地缓解了复杂的训练流程和计算负担所带来的限制，同时在各种评估协议上始终优于现有方法，特别是在 DeepLabV3 + 和 ResNet-101 网络设置下，在
PDFa month ago
混合原型一致性学习用于半监督医学图像分割
通过混合原型一致性学习（MPCL）框架，我们提出了一种解决医学图像分割中标记数据稀缺性带来的原型表达不完整的问题的方法。在该框架中，平均教师生成标记和未标记数据的原型，而辅助网络通过 CutMix 处理混合数据产生额外的原型。通过原型融合，
PDF3 months ago
基于蒙面特征对齐的均值教师 DETR：一种稳健的领域自适应检测 Transformer 框架
我们提出了一种名为 MTM 的两阶段框架，利用无监督领域自适应进行目标检测，其中包括遮蔽特征对齐的方法，该方法能够在预训练阶段防止性能波动并获得稳健的预训练模型，在自训练阶段提高模型的目标性能。
PDF8 months ago
腹部 CT 中快速、低资源和准确的器官与全癌肿瘤分割的两阶段混合监督框架
提出了一种混合有导师的框架（StMt），通过使用部分标记和未标记的数据进行腹部器官和肿瘤的分割。采用两阶段分割流程和基于整体体积的输入策略，以最大程度地提高分割准确性，并同时满足推断时间和 GPU 内存使用的要求。在 FLARE2023 的
PDF10 months ago
CaT: 使用类别转移的弱监督目标检测
设计了一种基于类别转移的弱监督目标检测框架，此框架综合利用全监督数据集中的视觉鉴别和语义相关的类别信息，应用了平均教师网络和 SemGCN 网络以解决重叠和非重叠类别间的特征传递问题，实验表明收获了较为良好的检测效果。
PDF3 years ago
CVPR探索平均教师中的物体关系以进行跨域检测
本研究提出了一种名称为 MTOR 的新方法，将 Mean Teacher 引入到 Faster R-CNN 网络中，通过学习对象之间的关系，结合三项一致性规则（区域级别、图形间、图形内）来进行跨领域检测，实验结果表明，在包括 Citysca
PDF5 years ago
利用加权一致性目标的深度半监督分割
本文介绍了如何将 Mean Teacher 泛化到分割任务，并表明该方法可以在公开数据集中显着提高分割性能，同时解决了传统数据增强策略在分割任务中出现的问题。
PDF6 years ago
NIPS导师越严格，表现越优秀：加权一致性目标提升半监督深度学习结果
Mean Teacher 是一种半监督学习方法，通过平均模型权重来稳定预测结果，在一些数据集上表现优于 Temporal Ensembling，并能够显著减少所需的标签量。
PDF7 years ago