pseudo-labeling | BriefGPT - AI 论文速递

关键词pseudo-labeling

搜索结果 - 117

探索连续变化环境中目标检测的测试时适应
CTAOD 通过使用 mean-teacher 框架并引入对象级对比学习模块、动态阈值策略和数据驱动的随机恢复机制，在处理不断变化的目标域中提高检测模型性能，实验结果显示在对象检测的四个 CTTA 任务中，CTAOD 优于现有方法，尤其在
PDF6 days ago
IJCAIAllMatch: 充分利用所有未标记数据进行半监督学习
现有的半监督学习算法采用伪标记和一致性调节技术来引入未标记样本的监督信号。本文通过对未标记数据的预测来估计模型的学习状态，并提出了一种基于类别的自适应阈值机制，同时设计了一种二元分类一致性调节方法来区分未标记样本中的候选类别。通过结合上述策
PDF8 days ago
无法处理（肮脏的）真相：以数据为中心的洞察提高了伪标注
伪标记是一种使用少量标记样本来利用无标记数据的常用半监督学习技术。本研究提出了一种名为 DIPS 的数据特征化和选择框架，通过对学习动态的分析来改善伪标记方法，提高标记数据的质量，并展示了其在各种真实世界的表格和图像数据集上的应用和影响。综
PDF11 days ago
基于伪标签的领域适应用于零样本文本隐写分析
本文提出了一种基于伪标签和领域适应（无监督学习）的跨域文本隐写分析方法（PDTS），通过使用预训练的 BERT 和单层 Bi-LSTM 来学习和提取任务间通用特征，并生成特定任务表示。通过选择性特征传播来增强分类性能，并通过自训练使用未标记
PDFa month ago
平滑伪标签
在半监督学习中，引入了一种平滑伪标签损失函数来解决标签稀缺性带来性能不稳定的问题，并通过实验验证了其在稀缺标签情况下的显著改善。此外，还提出了一个新的基准测试，在整个数据集中随机选择标记的图像，以改进半监督学习算法的可靠性和解释性。
PDFa month ago
面向实际的递增场景在类递增语义分割中的应用
本文针对常用的连续增量语义分割（Continuous Incremental Semantic Segmentation，CISS）场景中的不切实际之处进行了研究，提出了一个实用的场景，即分割（partitioned），该场景能够解决 CI
PDFa month ago
半监督异常检测的记忆增强和伪标记
在工业场景中，针对大量未标记数据和难以识别的异常问题，本研究引入了一种名为记忆增强与伪标记的新方法（MAPL），通过模拟异常样本、使用基于单分类器组合的伪标记方法以及引入记忆增强学习机制，实现了直接从输入数据识别异常区域，优化了检测的效率和
PDF2 months ago
多模式基础模型增强弱监督语义分割：一种端到端方法
使用弱监督语义分割方法解决数据标注成本高的问题，通过借鉴视觉基础模型来学习对象边界从而提高分割结果的质量。
PDF2 months ago
使用广义鲁棒损失提升单一正标签多标签分类
本文研究了单正多标签学习（Single Positive Multi-label Learning - SPML）的问题，提出了基于期望风险最小化的广义损失框架，用于生成软伪标签，并设计了一种能够处理正负样本不平衡同时灵活协调假阳性和假阴性
PDF2 months ago
基于能量模型的经过校准的置信度伪标签学习
基于能量模型 (EBM) 的基于能量的半监督伪标签算法 (EBPL) 在网络训练期间通过共享特征提取部分来学习类别决策边界和输入数据分布，从而提高可信度校准，在半监督图像分类任务中优于现有的伪标签方法，具有更好的可信度校准误差和识别准确率。
PDF2 months ago
CVPR解耦式伪标签半监督单目三维物体检测
针对半监督单目三维物体检测，我们研究了伪标记方法，并发现了两个主要问题：三维和二维属性预测质量之间的不对齐以及伪标签导致的深度监督存在噪声，从而与其他可靠的监督形式产生显著的优化冲突。我们提出了一种新颖的解耦伪标记方法，该方法包括一个用于分
PDF3 months ago
HPL-ESS：基于混合伪标签的无监督事件驱动语义分割
提出了一种新型的混合伪标签框架（HPL-ESS），用于减轻噪声伪标签的影响，并通过软原型对齐模块进一步改善目标领域特征的一致性，实验证明该方法在 DSEC-Semantic 数据集上的准确性和平均交并比（mIoU）等性能优于现有的最先进方法
PDF3 months ago
CVPR使用姿态引导的二阶段聚类进行无监督地标发现的自训练
使用自训练、聚类和伪标注方法，通过扩展传播模型的潜在特性，提出的无监督地标发现方法在多个基准测试中明显优于现有方法。
PDF3 months ago
不要相信你所信任：半监督学习中的误校准
本文通过实证研究表明，基于伪标签的半监督学习方法存在显著的误校准问题。为了解决这个问题，本文提出了一个简单的惩罚项，通过保持未标记样本的预测结果的对数距离较小，防止网络预测过于自信。在多个半监督学习图像分类评估中，全面的实验结果表明，所提出
PDF3 months ago
更好地呼唤 SAL：迈向 Lidar 中的任意物体分割学习
我们提出了一个名为 SAL（Segment Anything in Lidar）的方法，包括一个可文本提示的零样本模型用于在 Lidar 中分割和分类任何物体，以及一个无需手动监督的伪标签引擎用于模型训练。通过利用 2D 视觉基础模型生成免
PDF3 months ago
跨模态伪标签半监督音频 - 视觉源定位
我们的研究聚焦于半监督 AVSL 中的伪标签方法，提出了一种名为 Cross Pseudo-Labeling（XPL）的新方法，通过交互学习和交叉精炼机制，避免偏见积累，并结合软伪标签和课程数据选择模块以实现稳定训练，实验证明 XPL 相较
PDF4 months ago
CVPRSeMoLi: 随波逐流
我们提供了一种基于运动线索的半监督目标检测方法，结合启发式聚类方法和物体跟踪器，使用运动物体的伪标签作为监督信号，在 Lidar 数据中训练三维物体检测器。我们通过利用场景流估计中的最新进展获取点轨迹，并从中提取长期的、与类别无关的运动模式
PDF4 months ago
WeakSAM：融合分割与弱监督实例级别识别的方法
使用弱监督的视觉识别方法，借助预训练的视觉基础模型（SAM）中的世界知识，解决了弱监督对象检测和分割中的限制问题，并在 WSOD 和 WSIS 基准测试上显著超过了之前的最先进方法。
PDF4 months ago
对无先验正样本无监督学习的对比方法
我们提出了一种新的正未标化学习框架，通过预定义无关的表示学习来学习特征空间，然后采用伪标记技术将未标注样本进行分类，利用嵌入的集中性质。该方法在多个标准正未标化基准数据集上明显优于现有的方法，并且不需要先验知识或类先验的估计。值得注意的是，
PDF5 months ago
简化的平均与稳健的基于嘈杂部分标签的识别
SARI is a minimalistic framework for noisy partial label learning that combines average-based and identification-based s
PDF5 months ago