multi-label image classification | BriefGPT

关键词multi-label image classification

搜索结果 - 28

多标记图像分类中通过混合多个部分标记样本获得免费的性能提升
LogicMix 是一种用于部分标记数据集的混合方法，通过逻辑或运算来混合样本标签，其与其他 Mixup 变体相比在多种部分标记数据集方案中表现出更好的通用性和效果，能够构建视觉上更混淆的增强样本以规范训练，并与其他方法合作以改善模型性能，
PDFa month ago
CDUL 的可重现性研究：基于 CLIP 的无监督学习在多标签图像分类中的应用
复现了论文中提到的 CDUL 方法，验证了使用 CLIP 模型初始化伪标签和梯度对齐训练方法在无监督多标签图像分类任务中的有效性。
PDFa month ago
IJCAITAI++：基于共同学习的可迁移提示的多标签图像分类中的文本作为图像
该研究论文提出了一种使用伪视觉提示的模块来改进多标签图像分类的性能，通过将伪视觉提示与文本提示结合，增强它们的视觉表示能力，并在多个数据集上展示了超过现有方法的性能提升。
PDF2 months ago
医疗领域的多标签持续学习：一项新的基准
医学成像的分类问题具有新类别和域偏移的挑战，本文提出了一种名为伪标签重播的新方法，通过结合重播和伪标签方法的优势以解决现有的限制，有效地应对挑战并展现卓越性能和最小的遗忘。
PDF3 months ago
基于 Patch 训练的多标签图像分类的反事实推理
通过因果推断的方法，我们提出了一种反事实推理方法来解决多标签图像分类中的过拟合问题，并实现了在多个基准数据集上达到最先进性能的验证。
PDF3 months ago
ProbMCL：简单的多标签视觉分类概率对比学习
在多标签图像分类任务中，我们提出了一种名为 Probabilistic Multi-label Contrastive Learning (ProbMCL) 的新框架，通过结合有监督对比学习和混合密度网络来解决现有方法中的挑战，并在计算机视
PDF6 months ago
AAAI语言引导的联邦多标签分类的 Transformer
提出了一种用于多标签分类的新型联邦学习框架（FedLGT），旨在解决用户异构性和标签相关性等挑战，通过在不同客户端之间传递知识来学习出稳健的全局模型，实验证明在多标签联邦学习场景下超过了标准联邦学习技术，并获得了令人满意的性能。
PDF7 months ago
图像文本：学习可转移的多标签分类适配器
通过预先训练的视觉 - 语言模型，结合适当的调整和随机扰动方法构建了一个能够自动识别图像标签的全自动流水线，该方法在各种多标签分类任务中显示出优越性能。
PDF7 months ago
SpliceMix：一种用于多标签图像分类的跨尺度和语义融合增强策略
通过引入名为 SpliceMix 的简单而有效的增强策略来解决多标签图像分类问题，该策略将混合图像切片与原始 mini-batch 进行融合，以此改善共同出现偏差并实现混合图像和原始常规图像之间的交互。
PDF7 months ago
ICCVCDUL: 基于 CLIP 的无监督多标签图像分类学习
使用基于 CLIP 的无监督学习方法，通过相似性聚合、优化框架和伪标签来实现无注释的多标签图像分类。
PDFa year ago
ICCVPatchCT：使用条件传输将分割集和标签集对齐，用于多标签图像分类
本研究论文探讨了多标签图像分类问题，介绍了条件传输理论以弥合视觉补丁和语义标签之间的潜在空间的语义一致性差距，并将多标签分类问题重新表示为条件传输问题。实验证明，该模型在三个公共图像基准任务中 consistently outperform
PDFa year ago
ICLR单正多标记学习的伪标签
该研究介绍了一种称为伪多标签的方法，通过教师模型在单个正标签上训练，然后使用其预测作为标记数据来训练学生模型，以解决多标签图像分类中数据注释成本高的问题。研究表明，在实际的全标签数据上训练得到的模型性能可以近似于该方法训练得到的模型。
PDFa year ago
MM全局与局部的结合：基于类别感知弱监督的有效多标签图像分类
该研究构建了一个统一框架，以执行有效的噪声提议抑制并相互作用全局和局部特征进行稳健的特征学习，包括使用类别感知弱监督来集中注意力于不存在的类别为本地特征学习提供确定性信息，以及开发跨粒度注意力模块来探索全局和局部特征之间的互补信息。在 MS
PDF2 years ago
ECCVPLMCL: 多标签图像分类的部分标签动量课程学习
本研究提出了一个新的部分标签学习的设置，其中只标注了训练图像的子集，每个图像只有一个正标签，其余训练图像保持未标注状态。通过使用端到端的深度神经网络 PLMCL，可以同时学习产生对部分标注和未标注的训练图像都具有信心的伪标签。通过考虑伪标签
PDF2 years ago
IJCAI利用互补并行自蒸馏提升多标签图像分类
本文提出了一种名为平行自蒸馏 (PSD) 的多标签图像分类框架，它通过将原任务分解为多个子任务，并运用知识蒸馏来学习全局集成的类别，以此来提高 MLIC 模型的性能。在 MS-COCO 和 NUS-WIDE 数据集上进行的实验结果表明，我们
PDF2 years ago
MlTr：基于 Transformer 的多标签分类
本文提出了 Multi-label Transformer architecture (MlTr) 并应用于多标签图像分类任务中，利用 windows partitioning、in-window pixel attention、cross
PDF3 years ago
IJCAI基于图匹配的多标签图像分类（GM-MLIC）
本文提出一种基于图匹配的深度学习框架 GM-MLIC，将多标记图像分类问题作为实例 - 标签匹配选择问题来进行建模，其中图匹配方案被引入以挖掘实例和标签关系，并在构建的作业图上聚合和更新所有节点和边缘状态，最终得出每个实例 - 标签对的预测
PDF3 years ago
AAAI深度语义词典学习用于多标签图像分类
本文提出了一种新颖的端到端模型 DSDL，将多标签图像分类问题视为字典学习任务，利用自动编码器将类级语义生成语义词典，利用字典表示 CNN 提取的视觉特征，同时通过 APUS 算法优化，为多标签图像分类问题提供了一种简单而优雅的解决方案，与
PDF4 years ago
基于 Transformer 模型的多标签图像分类
本文提出的 C-Tran 是用于多标签图像分类的通用框架，旨在利用 Transformers 来利用视觉特征和标签之间的复杂依赖关系。该方法包括经过训练的 Transformer 编码器，用于预测给定带有蒙版标签的输入集的目标标签集，以及来
PDF4 years ago
多视角矩阵补全多标签图像分类
提出了一种基于多视图矩阵补全的半监督多标签图像分类方法，该方法充分利用不同视图的特征，并通过加权方式融合多视图矩阵补全的输出，同时使用交叉验证策略来学习视图组合权重和深度学习模型，经实验证明该方法相较于其他方法更加鲁棒有效。
PDF5 years ago