pseudo-labeling | BriefGPT - AI 论文速递

关键词pseudo-labeling

搜索结果 - 117

半监督自动语音识别的替代伪标注方法
通过使用伪标签技术的半监督学习，结合泛化的 CTC 损失函数、对抗性 CTC 损失函数和自动阈值方法，本研究提出了一种名为 “替代伪标签” 的新框架，以应对噪声伪标签带来的问题。
PDFa year ago
ICCV弱监督目标检测的周期引导标记
该研究探索了如何通过引入可靠的教师网络的排名信息来优化 MIDN 的伪标签质量，提出了循环引导标记（CBL）框架，通过新颖的类别特定排名蒸馏算法，指导 MIDN 在相邻提议中分配更高的分数，并在主流数据集上证明了其优越的性能。
PDFa year ago
ICCV半监督实例分割的伪标签对齐
PAIS 是一种新的框架，针对半监督实例分割问题，通过调整半监督损失项的权重，使得伪标签包含宝贵信息不被过滤掉，实验证明，PAIS 在标注数据极为有限的情况下具有很大的潜力，仅有 1% 的标注数据时，基于 Mask-RCNN 的 PAIS
PDFa year ago
基于变换不变自训练的医学图像分割领域适应
半监督学习策略 —— 转化不变自训练（TI-ST）方法，通过评估像素级伪标签的可靠性并在自训练过程中过滤不可靠的检测，解决标签缺失和提高目标域分割性能。
PDFa year ago
统一解剖分割的探索：通过知识聚合和解剖指南自动生成全身 CT 数据集
通过使用基于 nnU-Net 的伪标签和解剖导向的伪标签细化的顺序过程，结合各种碎片化的知识库，我们生成了一个包含 142 个体素级标签对 533 个体积进行了全面解剖覆盖的全身 CT 扫描数据集，该数据集已获得专家批准。我们的方法在标签整
PDFa year ago
通过体积伪标记实现射线图中人体解剖结构的精确细分
本研究通过三维计算机断层扫描的伪标记提取 CXR 的精细解剖结构，为 CXR 的语义分割建模提供了可行方法，可以在不需要人工干预的情况下实现精细的解剖分割。
PDFa year ago
KDD学习在对话式搜索中与先前交谈内容的关联
本文提出了一种新的方法来选择与当前查询相关且有用的历史查询，采用伪标记法进行注释，结合多任务学习框架并在微调过程中进行选取模型和检索模型联合训练，提高对话式搜索中检索效果。
PDFa year ago
S-CLIP: 使用少量特定字幕的半监督视觉 - 语言预训练
提出了一种半监督学习方法 S-CLIP，利用额外的非配对图像数据为基于对比学习的语言图像预训练模型 CLIP 训练，采用两个伪标签策略，分别针对对比学习和语言模态，能够显著增强 CLIP 的训练，取得了在遥感、时尚、科学图像和漫画等多个领域
PDFa year ago
ACL基于对比学习和原型学习的跨语言命名实体识别自训练改进
本文提出了一种名为 ContProto 的跨语言命名实体识别的自我训练框架，大大提高了伪标签的准确性和不同语言间的转移能力，并在实验中展现了高于现有技术的表现。
PDFa year ago
跨语言知识转移和迭代伪标注没有包括专有术语或不必要的解释适用于使用转录器的低资源语音识别
该研究旨在通过跨语言知识转移和迭代伪标注的方法来提高语音识别系统对低资源语言的准确性，结果表明，使用这两种技术，可将错误率降低 35%。
PDFa year ago
InstructBio：用于生化问题的大规模半监督学习范式
本文提出了一种半监督学习算法 InstructMol 来解决大规模的分子建模任务中数据稀缺的问题，并在细粒度后处理以提高准确性。
PDFa year ago
CVPRProtoCon: 基于在线聚类和原型一致性的伪标签提炼，用于高效的半监督学习
ProtoCon 是一种半监督学习方法，通过在线聚类和使用原型损失函数诱导良好的聚类来提高虚标签的准确性，同时利用自监督辅助损失来解决训练信号的贫瘠问题，有效地缩短模型收敛时间，并在 CIFARs、ImageNet 和 DomainNet
PDFa year ago
CVPR利用所有未标记数据提升半监督学习
该论文提出两种新的技术（即熵值含义损失和自适应负样本学习），以更好地利用所有未标记的样本，并把它们与前沿的 FixMatch 框架相结合，通过多次实验在多个常见的 SSL 基准上表现出优越性能。
PDFa year ago
3D 掩蔽自编码和伪标注用于异质婴儿脑 MRI 领域自适应分割
本文介绍了一种名为 MAPSeg 的新颖框架，它利用 3D 遮掩自动编码和遮掩伪标签来跨越年龄、模态和场所进行婴儿大脑 MRI 次皮质区域的分割，该模型能够从标记源域数据和未标记目标域数据中进行联合学习。MAPSeg 在不同年龄、模态或获取
PDFa year ago
ICLRInPL: 针对不平衡半监督学习首先伪标记正常值
提出了一种基于能量评分的伪标签方法（InPL）来应对非均衡半监督学习问题，该方法不依赖于模型置信度，而是根据样本在当前训练数据附近的相对位置进行评分，与目前的置信度评分方法相比，InPL 能够相对简单且显著地提高分类精度，并在 CIFAR1
PDFa year ago
基于规范化伪标签的自我训练在表格数据上的再探讨
本文探讨了在表格数据情景下，如何利用自训练和课程伪标记方法来应对半监督和自监督学习中存在的大量标记数据需求与非标记数据的局限性，同时提出了一种基于伪标记生成的置信度得分的新方法，通过该方法可以在高密度区域获得更可靠的伪标签。
PDFa year ago
ACL友好训练：从不同但相关任务的模型中学习
本文提出了一种名为 friend-training 的交叉任务自训练框架，并利用伪标签在迭代训练和重新训练过程中互相帮助，以提高不同任务的模型性能，研究结果表明与强基线模型相比，采用了 friend-training 框架的模型在对话理解中
PDFa year ago
ICLRSoftMatch: 半监督学习中解决数量 - 质量平衡问题
本文介绍了基于样本加权统一公式的伪标签方法及其 inherent quantity-quality trade-off 问题，并提出了利用截断高斯函数对置信度加权以实现软的置信度阈值。加强了弱学习类别的利用，在图像分类、文本分类和非平衡分类
PDFa year ago
关于伪标记在类别不匹配半监督学习中的应用
该论文以 Pseudo-Labeling 为代表的 SSL 方法为研究对象，探究了未标记的 Out-Of-Distribution 数据对于类异构 SSL 方法的影响。研究发现，不平衡的伪标签是 PL 方法存在的主要问题。本文提出了两个改进
PDFa year ago
ICLR探索几何线索以检测开放世界中的物体
本文提出了一种基于几何线索的开放式物体检测方法 GOOD（Geometry-guided Open-world Object Detector），使用深度和法线等几何线索来伪标记未标记的新物体，从而显著提高新物体类别的检测召回率，通过在 C
PDF2 years ago