self-training approach | BriefGPT

关键词self-training approach

搜索结果 - 8

ProtoGMM：基于多原型高斯混合的领域自适应语义分割模型
通过利用 GMM 模型，我们提出了一种多原型对比学习的领域自适应语义分割方法，以实现源域和目标域之间的领域对齐，并在 UDA 基准测试中展示出了方法的有效性。
PDF5 days ago
具有选择性叠加的模糊一致性分割框架在差分干涉对抗 3D 乳腺癌球体中的应用
利用三维（3D）球体建模来研究乳腺癌细胞的侵袭行为的能力引起了越来越多的关注。本研究提出了一种新的算法来处理模糊图像，并保持堆叠图像的质量。此外，还通过利用一致性训练和自我训练方法，提出了一种新的训练架构，减少了模型在堆叠效果条件下的偏差，
PDF24 days ago
轻量级无监督的预训练视觉语言模型联邦学习
我们提出了一种轻量级的无监督联邦学习方法，通过利用每个客户端上的无标签数据进行轻量级模型训练和通信，从而解决监督式联邦学习中存在的挑战。该方法利用预训练的视觉 - 语言模型（例如 CLIP）的零样本预测能力和经过训练的图像编码器，通过在固定
PDF2 months ago
一种低资源语音识别的新型自训练方法
我们提出了一种自学习方法，用于低资源环境下的自动语音识别（ASR）。通过在小语种如旁遮普语中生成高度精确的伪标签，我们的方法在四个真实语音数据集上相对提高了 14.94% 的词错误率，并在 Common Voice 旁遮普语数据集上取得了最
PDFa year ago
基于双层交互的领域自适应语义分割
本文提出了一个双层互动的域自适应 (DIDA) 方法来解决语义分割伪标签错误的问题，该方法基于无监督域自适应，同时使用实例层面和语义层面相似度实现更可靠的伪标签，实现了优于现有技术的效果。
PDFa year ago
提高开放词汇检测的特征对齐的三种方法
提出三种方法来解决零样本开放词汇检测中的视觉和文本特征对齐问题，其中包括改进的特征金字塔网络和检测头，自我训练方法以及使用更大的图像文本对语料库来改善检测性能，并在 LVIS 基准测试上获得了新的最优性能。
PDFa year ago
EMNLP自训练的零样本文本分类
本文提出一种基于自训练方法的插入式零样本文本分类技术，无需领域专业知识或经验，仅需要类别标签和无标记数据，可显著提高性能，适用于各种文本分类任务。
PDF2 years ago
自训练用于类增量语义分割
提出了一种基于自监督学习和伪标签的自训练方法，用于减轻深度神经网络在逐步学习新类任务时出现的灾难性遗忘问题，该方法不仅考虑了历史任务的知识，还利用了额外的数据提高了语义分割的性能。
PDF4 years ago