positive samples | BriefGPT

关键词positive samples

搜索结果 - 8

DCDet: 动态基于交叉的 3D 目标检测器
近年来，3D 物体检测的研究取得了显著进展。然而，大多数现有研究聚焦于基于中心或基于锚点的标签赋值方案的利用。在 3D 物体检测中，尚未探索其他的标签赋值策略。我们发现，基于中心的标签赋值方法通常在训练时生成不足的正样本，而基于锚点的标签赋
PDF6 months ago
重新思考对比学习的样本选择：潜在样本的挖掘
对比学习中通过综合考虑正负样本以及使用软硬权重策略来挖掘样本，分析并挖掘接近正样本的潜在负样本，相较于传统的自监督方法，该方法在 CIFAR10、CIFAR100 和 TinyImagenet 上分别达到了 88.57%、61.10% 和
PDF8 months ago
MNN：混合最近邻算法用于自监督学习
通过引入最近邻样本和图像混合操作，该研究提出了一种名为 MNN 的简单自监督学习框架，优化了最近邻样本对正样本语义的影响，展示了在四个基准数据集上出色的泛化性能和训练效率。
PDF8 months ago
WWW为图对比学习生成反事实难负样本
提出了一种基于对抗样本生成机制的无监督图学习方法 CGC，它能够让模型获取高质量的正负样本对，避免了传统无监督学习方法中出现的 False Negative 问题，其在多个数据集上与传统无监督学习方法和一些 SOTA 图对比学习方法相比实现
PDF2 years ago
CVPR不确定性感知联合醒目物体和伪装物体检测
该论文提出了一种利用对立信息来增强视觉显著目标检测和迷彩目标检测能力的新模式，实现了基于对立性空间的性质模块的相似度测量和网络置信度估计。
PDF3 years ago
Cascade RPN: 基于自适应卷积探究高质量的区域提案网络
这篇论文提出了一种名为 Cascade Region Proposal Network（Cascade RPN）的架构，通过系统地处理传统 RPN 的限制来提高区域建议质量和检测性能，实现了更好的定位和检测，其中核心要素包括：单一锚点设计、
PDF5 years ago
CVPR深度自学习用于弱监督目标定位
提出一种使用深度自我学习方法进行弱监督定位的实现，以获取可靠的正样本，并通过一个在线支持的样本收获方案去动态地选择最有信心的正样本以达到相互促进。
PDF7 years ago
MM通过贝叶斯模型合并引导概率文法
该研究提供一种产生概率语法的框架，通过对正例语料库进行舍选规则加入工作语法，利用贝叶斯后验概率来决定合并元素的时机，从而得到更通用且更紧凑的概率语法模型。本研究运用了三种类型的概率语法模型：隐马尔可夫模型，基于类的 n 元模型，和随机上下文
PDF30 years ago