关键词self-supervised machine learning
搜索结果 - 5
- 自我监督的机器学习在医疗专家匮乏的多种眼底疾病诊断中的应用
我们提出了一个通用的无监督机器学习框架,可以处理不同的未标记的眼底图像,达到了超过现有监督方法的 AUC,并且甚至超过了单个人类专家的表现。此外,我们的模型在来自不同地区、种族和多台相机或设备的异构图像源或质量的各种数据集上都适应良好。我们 - 宇宙学中的数据压缩和推理:自监督机器学习
自我监督的机器学习方法通过模拟增强构建了大规模数据集的代表性摘要,用于精确和准确的参数推断以及对宇宙学数据的压缩与分析。
- 对比学习在天体物理学中的简要评述
本文介绍对比学习(Contrastive Learning)是一种自监督机器学习算法,可从多维数据集中提取信息,特别适用于天文学中的已知仪器效应去除和使用有限数量标签进行监督分类和回归,是开展天文学基础模型的一个有前途的途径。
- 通过图像和深度反向图形学实现的发色数字化
本文提出了一种新的方法用于抓取毛发实例的颜色外观,基于自监督机器学习的逆向图形模型,此方法结合了可控成像设备、光线追踪渲染器和逆向图形模型,并不需要使用可微分渲染进行训练,在真实和合成的图像上均能正确地捕捉和呈现毛发颜色。
- CVPR自学能否识别可疑的丑小鸭病变?
本研究提出了一种利用自监督机器学习自动检测异常皮损的方法,通过测量 L2 距离来识别丑小鸭痣。该方法在测试集中实现了 72.1% 的敏感度和 94.2% 的诊断准确度,具有较高的应用潜力。