negative learning | BriefGPT

关键词negative learning

搜索结果 - 9

单目三维物体检测的全面测试时适应
基于单目视觉的三维物体检测中，本文提出了一种新的自适应方法 —— 全测试阶段自适应，在无标签测试数据上通过处理潜在的数据分布转移来自适应已经训练好的模型。通过可靠性驱动的自适应策略和噪声保护自适应策略，该方法解决了由异常测试数据引起的物体漏
PDFa month ago
AAAI增强的噪声标签学习的自适应部分标签学习和负样本学习集成
通过集成部分标签学习和负向学习来革新嘈杂标签学习，通过自适应地将标签空间分解为候选标签和补充标签，并引入困难清晰度和软清晰度两种适应性数据驱动的标签模糊辨别范式来提高模型的鲁棒性，并通过一致性正则化术语维持标签可靠性。与其他最先进方法相比，
PDF7 months ago
连续化测试时间域自适应通过动态样本选择
在该文中，作者提出了一种用于 Continual Test-time Domain Adaptation 的 Dynamic Sample Selection（DSS）方法，通过动态阈值、正向学习和反向学习等过程，选择低质量样本并进行联合学
PDF9 months ago
具动态样本加权的噪声鲁棒性双向学习
本文提出了一种双向学习方案，在保证收敛速度的同时，通过负样本的强大辨别能力来有效地处理标签噪音。此外，该文还提出了一种动态的样本重新加权策略来全局削弱噪声标记样本的影响，并结合自蒸馏来进一步提高模型性能。
PDF2 years ago
领域自适应语义分割无源数据
一个基于自训练网络的语义分割框架，该框架主要包含两个部分：正样本提取和负样本提取，以及选用了启发式的互补标签选择方法。通过实验可知，该框架在广泛应用的合成到实际领域的语义分割任务上表现出了很高的性能。
PDF3 years ago
CVPR噪声标签下的联合负样本和正样本学习
本文介绍了一种新颖的基于联合消极和积极学习的方法 (JNPL)，该方法通过两个损失函数 (NL + 和 PL+) 对 CNN 进行训练，并通过简化 pipeline 过程实现对带有噪声标签的数据的高效分类任务。
PDF3 years ago
ICLR关于伪标签的辩护：一种基于不确定性的半监督学习伪标签选择框架
本文提出一种基于不确定性的假标签选择框架，通过减少训练过程中的噪音来提高假标签的准确性，并可以生成负假标签用于多标签分类和负学习，相比于最近的半监督学习方法在 CIFAR-10、CIFAR-100、UCF-101 和 Pascal VOC
PDF3 years ago
ICCVNLNL: 噪声标签的负学习
本文提出了一种名为 “SelNLPL” 的优化 CNNs 训练方法，在使用负训练法（NL）的基础上，选择性地使用正训练法（PL）来训练低噪声数据，从而实现对有噪声数据分类的准确性优化。
PDF5 years ago
利用负学习的方法限制生成神经网络的重建能力
本文提出了一种用于限制网络生成能力的负反馈学习方法，可用于噪声消除和异常检测等应用，并在 MNIST 手写数字数据集和障碍物检测问题中验证了算法的有效性。
PDF7 years ago