self-supervised task | BriefGPT

关键词self-supervised task

搜索结果 - 8

通过自我监督的航迹噪声预测改进航迹预测
通过引入噪声增强的观测轨迹视图和自我监督任务，提出了一种名为 SSWNP（自我监督的航点噪声预测）的新方法，该方法能改善轨迹预测模型的性能并提供更合理且多样的表示。实验证据表明，我们的方法在嘈杂环境中相对于基准方法显著提升了性能，可与现有的
PDF7 months ago
显微镜图像中基于对象为中心的细胞实例分割的无监督学习
基于目标中心的嵌入图像分割方法在显微镜图像中展示了卓越的结果，减少了所需的标注数量。
PDF9 months ago
噪声角度添加混合损失与混合检测的声音异常检测
通过学习正常操作声音的特征并感知其偏差，无监督异常声音检测（ASD）旨在识别异常声音。近期研究集中于自监督任务，利用正常数据的分类，而先进模型的研究表明，通过表示学习及产生紧凑的类内和互不重叠的类间分布，保证异常数据的表示空间是重要的。然而
PDF9 months ago
使用小数据集高效训练视觉 Transformer
本文研究使用自监督任务和少量数据进行训练的 Visual Transformer 网络的表现，并发现新的自监督任务可以在空间关系方面鼓励 VT 网络，从而显著提高其小数据集准确性。
PDF3 years ago
人体抓取生成的手 - 物接触连续性推理
本文提出基于对象接触点和手接触点的一致性设计新目标模型以及自我监督任务来生成人类手的抓取姿态，实验证明该模型在人类手抓取方面比其他最先进方法有了显著的提升，特别是在测试过程中对未见过和超出领域的物体表现出更大的增益。
PDF3 years ago
ECCVSCAN：无需标签学习图像分类
本文提出一种两步法的图像无监督分类方法，通过自我监督学习获取具有语义意义的特征，然后将其作为可学习聚类方法的先验，达到优化图像聚类的效果。实验证明，该方法大幅优于现有最先进方法，并在大规模图像分类数据集 ImageNet 上取得了有希望的结
PDF4 years ago
多模态深度聚类：图像的无监督分区
提出了一种无监督聚类框架，使用深度神经网络进行端到端的学习，从而直接对图像进行聚类分配，同时通过自我监督任务来获得更有意义的图像特征表示，实验结果表明，该方法在六个具有挑战性的基准测试中取得了优异的成果。
PDF5 years ago
MortonNet：3D 点云中本地特征的自监督学习
该论文提出了一种自我监督的点云任务，使用 MortonNet 网络直接在无序的点云上进行操作，预测序列中下一个点，生成的 Morton feature 对于 3D 分割等任务具有很好的性能，并在不同的数据集上都有良好的泛化性能。
PDF5 years ago