multi-label classification | BriefGPT

关键词multi-label classification

搜索结果 - 201

基于上下文的极端多标签分类学习
多标签分类问题使用语言模型单独进行上下文学习难以解决，本文提出了一种 Infer-Retrieve-Rank 框架，通过多步交互优化语言模型和检索模型来高效处理此类问题。
PDF5 months ago
合适的模型：法律多标签分类基线的评估
在这项工作中，我们使用两个公共法律数据集 POSTURE50K 和 EURLEX57K，通过改变训练数据量和标签数量，评估了不同的多标签分类方法，结果显示 DistilRoBERTa 和 LegalBERT 在法律多标签分类中表现良好，而
PDF5 months ago
深度学习增强的整数混合优化：学习降低模型维度
通过深度学习来解决混合整数规划（MIP）模型中固有的计算复杂性，并比较前馈神经网络（ANN）和卷积神经网络（CNN）在逼近 MIP 问题中的活动维度的效果，利用多标签分类来纳入多个活动维度，通过贝叶斯优化进行超参数调优以提升模型性能，并应用
PDF5 months ago
EVOKE: 通过优化的知识蒸馏实现情感启用的虚拟化身映射
通过 Optimized KnowledgE distillation 技术，在虚拟环境中实现情感识别，并将识别到的情感映射到自定义的 3D 角色上，该方法利用了 DEAP 数据集进行多标签分类，模型精确度高达 87%。
PDF6 months ago
AAAITagCLIP：一种增强无需训练的 CLIP 开放词汇多标签分类的本地到全局框架
通过局部到全局的框架，我们提出了一种扩展了 CLIP 的方法来提高多标签分类性能，并通过生成的标签在弱监督语义分割任务中取得了显著的性能提升。
PDF6 months ago
AAAI多标签分类的鲁棒性：对抗不平衡和噪声的数据增强策略
我们提出了一种统一的数据增强方法 BalanceMix，用于解决多标签分类中的类别不平衡和噪声问题。我们的方法包括两个样本策略，用于生成具有高多样性的少数类增强样本。它还在标签粒度上对多标签进行细分，将噪声标签归类为清晰、重新标记或不确定，
PDF7 months ago
利用 NLP 技术增强医疗科室对患者的分配
通过使用关键词训练一个深度学习架构，我们提出了一个不需要预训练与微调，可以直接应用于特定环境进行多标签分类的方法，该方法在文本分类中显著提高了性能，是一种有潜力的替代传统方法的有效选择，并在各种医学领域具有潜在应用。
PDF7 months ago
可扩展的多标签分类的标签分布学习
Scalable Label Distribution Learning (SLDL) is proposed for multi-label classification, where different labels are descr
PDF7 months ago
基于分散且未共享的档案的遥感影像分类的联邦学习
该研究首次在遥感领域对当前最先进的联邦学习算法进行了比较研究，通过系统回顾计算机视觉社区中面向图像分类问题的联邦学习算法，并基于其与客户端之间训练数据异构性的有效性进行选择，对所选算法进行理论比较，并在多样化的分散化情境下通过实验分析其在多
PDF8 months ago
多标签学习中的神经网络崩溃问题与全局标签损失
我们研究了深度神经网络在多标签分类任务中的神经折叠现象，通过研究我们证明了具有 “选择全部标签” 形式的广义神经折叠现象成立，同时发现了多标签学习中独特的 “标签平均” 的组合属性，并在理论上建立了全局优化结果和训练效率的实证证据。
PDF8 months ago
HB-net：全面爆发细胞群集集成网络用于遮挡多目标识别
本研究提出了一种基于 HB 细胞群的 HB-net 网络框架，用于同时识别图像中多个遮挡物的复杂任务。实验证明，该框架在模型准确性方面比不含 HB 框架的模型提高了 2.98％，对于 ResNet50，该框架与 EA 机制相结合的模型具有可
PDF8 months ago
驯服 Sigmoid 瓶颈：可证明的稀疏多标签分类算法
在多标签分类任务中，sigmoid 输出层广泛应用；本文展示了类似 sigmoid 的瓶颈会导致指数级别的无法预测的标签组合；我们提出了一种离散傅立叶变换输出层，可以防止这种情况的发生，并且相较于 sigmoid 输出层，训练速度更快、参数
PDF9 months ago
HydraViT：自适应多支路 Transformer 用于胸部 X 光图像的多标签疾病分类
通过将 transformer 骨干结构与多分支输出模块相结合，HydraViT 方法提高了胸部 X-ray 图像的多标签分类性能。
PDF9 months ago
多标签流分类中的效率与有效性平衡及缺失标签健壮性提供
我们提出了基于神经网络的方法来处理高维度多标签分类问题，在数据流环境下通过选择性概念漂移适应机制，使用简单但有效的标签缺失填补策略，基于权重二元关联方法和广义集成学习系统来平衡效果与效率，并通过实验验证了该方法对于缺失标签和概念漂移的鲁棒性
PDF9 months ago
知识图谱推理的弱监督语义分割
这篇论文介绍了一种基于图推理的方法来提高弱监督语义分割技术，该方法同时增强了多标签分类和分割网络阶段，并融合了外部知识和图卷积网络来全局推理跨类别依赖关系，以改善生成伪标签的完整性，并应用图推理映射模块加强高级语义的特征表示，动态学习个别样
PDF9 months ago
多标签 Takagi-Sugeno-Kang 模糊系统
提出了一种名为多标签 Takagi-Sugeno-Kang 模糊系统（ML-TSK FS）的新的多标签分类方法，通过使用模糊规则设计了 ML-TSK FS 的结构来建模特征和标签之间的关系，并通过集成基于模糊推理的多标签相关学习和多标签回归
PDF9 months ago
使用 Transformer 网络进行自动蝙蝠呼叫分类
通过合成多物种录音并将多种蝙蝠呼叫合并到一个录音中，我们提出了一种变压器架构用于多标签分类，该方法在实时分类场景中具有潜在应用，单一物种准确率达到 88.92%（F1 分数 84.23%），多物种宏 F1 分数达到 74.40%。相比于三个
PDF9 months ago
dacl1k：现实世界桥梁损伤数据集的开源数据测试
识别钢筋混凝土缺陷（RCDs）对于确定桥梁的结构完整性、交通安全性和耐久性至关重要。本研究通过对多标签分类的建筑检查图像进行训练，提供了高度多样的 RCD 数据集 “dacl1k”，并谨慎测试现有模型在该数据集上的可用性，结果表明最佳模型的
PDF10 months ago
DOST - 针对带有噪音标签的多标签分类的领域服从自监督训练
通过在多标签分类任务中引入领域规则，本研究考察了标签噪音对领域规则违反的影响，并提出了一种名为 Domain Obedient Self-supervised Training（DOST）的范式，能够降低标注噪音的影响并提高学习性能。实证研
PDFa year ago
场景图像的多标签自监督学习
使用多标签自监督学习（MLS）方法，通过将场景 / 多标签图像的自监督学习简化为多标签分类问题，我们可以学习到高质量的图像表示，该方法在 MS-COCO 上获得了分类、检测和分割方面的最先进结果，并且比现有的方法简单易用，便于部署和进一步探
PDFa year ago