online adaptation | BriefGPT

关键词online adaptation

搜索结果 - 29

对比学习中的在线目标表示
该论文提出了一种自监督学习的方法，用于从单目视频中学习物体的表征，并证明其在机器人等实践中具有特殊的用途。
PDF5 years ago
基于元学习的在线自适应立体深度估计
本文提出了一种基于在线元学习的深度学习网络在线自适应方法来解决立体深度估计的在线自适应问题，并在 KITTI 数据集上进行了实验，其性能可以与基于批处理训练的最先进算法相媲美。
PDF5 years ago
在线域自适应驯化中的野外工具装配
本文提出了一种针对机器人操作中暴露的变化性的视觉基准测试方法，它包括一个新的针对机器人拼装任务的数据集，一个在线适应算法，以及对这些算法的基准测试，这将有助于评估机器人视觉识别算法的泛化能力与鲁棒性。
PDF6 years ago
元强化学习在动态现实环境中的自适应学习
本研究旨在提出一种模型基础的强化学习元学习方法，以在明显减少样本数量的情况下实现机器人在线适应新任务，并证明该方法在模拟和实际机器人中的有效性。
PDF6 years ago
元追踪器：快速且强韧的在线适应视觉目标追踪器
本文提出一种基于元学习的离线方法，以调整在线适应式跟踪中使用的初始深度网络，以实现更快速、准确和鲁棒的跟踪。实验证明，该方法在 OTB2015 和 VOT2016 标准基准测试中优于当前最先进的跟踪方法。
PDF6 years ago
AAAI在线模型适应的标记记忆网络
本文提出了一种名为 Labeled Memory Networks (LMNs) 的记忆增强神经网络设计，通过以类别为主键来组织记忆，写入非零损失的实例并使用基于标签的记忆替换，该方法能够在词模型和少样本学习等任务中取得显著准确度提高，特别
PDF7 years ago
基于卷积神经网络的稳健视觉跟踪
本文提出了一种新的基于卷积神经网络的目标跟踪方法，使用简单的两层卷积神经网络进行在线适应学习，能够生成鲁棒性较强的目标表示，并在 CVPR2013 数据集上的 50 个挑战性视频中表现优异。
PDF9 years ago
ICLR在线调优超参数的热插拔技术
本文描述了一种在线适应性优化超参数的一般框架，并研究了使用多臂老虎机探索 - 开发策略实现自适应学习率选择的方法。对基准神经网络的实验表明，与 AdaDelta 和利用彻底超参数搜索的随机梯度等众所周知的方案相比，热插拔方法能够稳定地获得更
PDF10 years ago
基于最大似然的 CMA-ES 超参数在线自适应调整
本文研究了 CMA-ES 的在线自适应方法 self-CMA-ES，旨在优化连续非线性问题的超参数设置，实验结果表明 self-CMA-ES 可以使得优化性能接近最优设置。
PDF10 years ago