semi-supervised | BriefGPT - AI 论文速递

关键词semi-supervised

搜索结果 - 171

数字病理学的无监督潜在染色适应
在数字病理学中，通过使用未标注的目标染色图像和标注的源染色图像，结合染色转换和无监督学习方法 ULSA，我们提出了一种半监督策略来实现有效的染色适应，从而在肾脏组织分割和乳腺癌分类方面实现了最先进的性能。
PDF7 days ago
半监督概念瓶颈模型
我们提出了一个名为 SSCBM 的新框架，通过在标记和未标记数据上进行联合训练，并在概念层面对未标记数据进行对齐，解决了现有 CBMs 训练中的限制。实验证明我们的 SSCBM 既有效又高效，在仅有 20% 标记数据的情况下，实现了 93.
PDF7 days ago
半监督异构领域自适应中的解耦与伪标签
通过 SHeDD（Semi-supervised Heterogeneous Domain Adaptation via Disentanglement）这一端到端的神经网络框架，利用标记和未标记的来自不同数据源的数据，本研究旨在解决半监督
PDF14 days ago
自适应合作相关学习基于半监督多标签特征选择
提出了一种基于自适应协同相关学习的半监督多标签特征选择方法（Access-MFS），用于解决高维度多标签数据中存在缺失标签样本的维数灾难问题，并通过引入广义回归模型和扩展的不相关约束，在标记数据中选择具有区分性但无关的特征，并同时保持预测和
PDF16 days ago
基于相似度导航的图神经网络的合规预测
Similarity-Navigated Adaptive Prediction Sets (SNAPS) 是一种基于特征相似性和结构邻域的新算法，通过聚合具有相同标签的节点的不符合性得分来提高预测集的有效性，并在保持有效覆盖的同时增加单例
PDFa month ago
适用于文档中的表格检测的调制物体查询的端到端半监督方法
本研究提出了一种创新的基于 Transformer 的半监督表格检测器，通过结合一对一和一对多分配技术的新型匹配策略提高了伪标签质量，在早期阶段显著提高了训练效率，进而确保了更好的伪标签进行进一步训练。该方法在多个基准数据集上进行了全面评估
PDF2 months ago
E2GNN：高效的半监督分类图神经网络集成
该研究旨在研究半监督条件下图神经网络（GNNs）的集成学习。通过将多个薄弱学习器的输出组合起来，集成学习已经在传统机器学习中提高准确性和鲁棒性方面显示出优越性。然而，在集成不同的 GNN 模型时，由于 GNN 的推理能力较差，这个想法很具有
PDF2 months ago
工业流程和物联网环境中准确快速的异常检测
我们提出一种新颖、简单且广泛适用的半监督异常检测程序 SAnD（Simple Anomaly Detection），它由五个步骤组成：平滑滤波器、方差膨胀因子、马哈拉诺比斯距离、阈值选择算法和特征重要性技术，各自利用众所周知的统计工具。根据
PDF2 months ago
大型多模态模型的视觉增量生成器用于半监督组合图像检索
我们提出了一种新的半监督图像检索方法，通过在辅助数据中搜索参考图像及其相关目标图像，并学习基于大型语言模型的视觉差异生成器（VDG），以生成描述两个图像之间视觉差异（即视觉增量）的文本。VDG 具备流畅的语言知识和模型无关性，能够生成伪三元
PDF2 months ago
C2F-SemiCD：基于一致性正则化的粗细半监督高分辨率遥感图像变化检测方法
通过多尺度、通道注意力机制、空间注意力机制、全局上下文模块、特征细化模块、初始聚合模块和最终聚合模块等方式，逐渐完成从粗粒度到细粒度的变化特征提取；并使用均方差方法 (Mean Teacher Method) 将学生模型的参数更新为教师模型
PDF2 months ago
混合原型一致性学习用于半监督医学图像分割
通过混合原型一致性学习（MPCL）框架，我们提出了一种解决医学图像分割中标记数据稀缺性带来的原型表达不完整的问题的方法。在该框架中，平均教师生成标记和未标记数据的原型，而辅助网络通过 CutMix 处理混合数据产生额外的原型。通过原型融合，
PDF3 months ago
混合领域半监督医学图像分割中构建和探索中间域
医学图像分割中存在有限标注和领域转移的问题，传统的半监督分割和无监督领域自适应方法只解决了其中一个问题，本文提出了一种新的具有挑战性的情景：混合领域半监督医学图像分割（MiDSS），并通过引入统一的复制 - 粘贴（UCP）和对称引导训练策略
PDF3 months ago
基于标签传播的物理信息神经网络与高斯过程训练方案
该论文提出了一种半监督方法来训练基于物理信息的机器学习方法，包括自我训练的基于物理信息的神经网络和基于物理信息的高斯过程，并通过协同训练将两者整合起来。我们通过大量的数值实验展示了这些方法如何改善了物理信息机器学习中常见的时间向前传播信息的
PDF3 months ago
面向非样本半监督类增量学习
创新性地提出了一种非示例的半监督类增量学习框架，通过对比学习和半监督的增量原型分类器，使模型能够逐步从部分标记的新数据中学习，同时保持旧类别的知识。
PDF3 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
半监督聚类的遗传差分进化方法
本文提出了一种基于差分进化模式的新型模拟方法，用于解决半监督最小平方和聚类问题，通过考虑实例级别的约束来达到更好的聚类效果。
PDF4 months ago
基于伪标签的半监督语义分割综述
半监督语义分割领域伪标签方法的综述，从不同角度分类并介绍了特定应用领域的具体方法，还探讨了伪标签技术在医学图像分割中的应用，并提出了一些可行的未来研究方向来解决现有挑战。
PDF4 months ago
通过 DQN 进行半监督学习的日志异常检测
本文提出了一种名为 DQNLog 的半监督日志异常检测方法，它结合了来自深度强化学习的 DQN 算法，通过有效地利用少量标记数据和大规模未标记数据集，解决了数据不平衡和标记不足的挑战，不仅可以学习已知异常，还可以主动探索未标记数据集以发现未
PDF6 months ago
再审视基于图的欺诈检测：异质性和频谱视角
本研究提出了一种半监督的基于图神经网络的欺诈检测器 SEC-GFD，通过混合过滤模块和局部环境约束模块解决了异态性和标签利用问题，实验证明 SEC-GFD 在四个真实世界的欺诈检测数据集上优于其他竞争对手的基于图的欺诈检测器。
PDF7 months ago
NNG-Mix: 利用伪异常生成改进半监督异常检测
提出了一种名为最近邻高斯混合 (NNG-Mix) 的新算法，通过整合有标签和无标签数据来生成伪异常样本，用于改进半监督和监督异常检测算法，与常用的数据增强方法相比，在 57 个数据集上取得显著的性能提升，对于 ADBench 中的经典、计算
PDF7 months ago