semi-supervised learning | BriefGPT

关键词semi-supervised learning

搜索结果 - 1168

未知环境下使用信息路径规划的半监督主动学习用于语义分割
使用自适应地图规划的半监督主动学习方法，结合高质量的人工标签和自动提取的伪标签，显著降低人工标注的需求，从而在减少人工标注工作量的同时，达到接近全监督方法的分割性能，超过自监督方法。
PDFa day ago
对分布偏移下对比学习和自训练的互补优势
自学习和对比学习已经成为将无标签数据纳入研究中的领先技术，无论是在分布偏移（无监督领域适应）的情况下还是在不存在分布偏移（半监督学习）时。然而，尽管这些技术的流行和兼容性，它们在组合中的有效性尚未被探究。在本文中，我们对这种组合进行了系统的
PDF2 days ago
虚拟类别学习：一种针对极其有限标签的密集预测的半监督学习方法
本文提出一种使用虚拟类别 (Virtual Category) 的方法，在处理困惑样本时，无需进行标签修正，从而提高模型的优化能力和嵌入空间的质量，在语义分割和目标检测等密集预测任务中，该方法明显超越了现有技术的状态，尤其在只有很少标签样本
PDF6 days ago
半监督学习能否有效利用全部数据？从下界的角度看
半监督学习算法可以利用未标记数据，改善有监督学习算法的样本复杂性。然而，现有的理论分析主要关注无监督学习能够使用足够的未标记数据来学习良好的决策边界的情况。我们通过对二元高斯混合模型的严格下界进行推导，在分布的标记和未标记数据集大小以及混合
PDF8 days ago
元学习协同训练：双视角胜过单一视角
基于少量训练资源，Meta Co-Training 在 ImageNet-10% 上取得了新的最先进性能，并在其他细粒度图像分类数据集上胜过先前的半监督方法。
PDF9 days ago
基于基石模型的改进原型式半监督学习：原型选择，参数化 vMF-SNE 预训练和多视角伪标注
该研究采用改进的半监督学习方法，利用固定基础模型作为神经网络的骨干，使用 vMF-SNE 创建具有局部结构的高维潜空间映射，采用软多视图伪标签提供更可靠的监督信号，引入简单的 k-means 原型选择技术，实现卓越的性能提升，并在多个基准数
PDF10 days ago
TopoSemiSeg: 强制拓扑一致性，用于组织病理学图像的半监督分割
在计算病理学中，为了后续分析，对于诸如腺体和细胞核这样密集分布的对象进行分割至关重要。为了减轻像素级注释的负担，半监督学习方法从大量无标签数据中学习。然而，现有的半监督方法忽视了无标签图像中隐藏的拓扑信息，因此容易出现拓扑错误，如腺体或细胞
PDF10 days ago
半约束聚类的约束匹配
本文提出了一种半监督背景下的约束聚类模型 ConstraintMatch，通过使用没有约束的数据和伪约束机制解决了伪标签的确认偏差问题，并采用新的伪标签方法选择信息量高的无约束样本，从而实现了半约束模型训练。作者在多项实验中验证了 Cons
PDF12 days ago
MM图像分类的一位监督：问题、解决方案和进展
利用一位指导有效提高图像分类的学习效率，并结合半监督学习、多阶段训练、自监督学习等方法进一步提升训练效果。
PDF12 days ago
DiverseNet：决策多样化的半监督遥感图像语义分割网络
通过同时提高训练过程中的精确度和多样性，我们提出的 DiverseNet 架构可以使用多头和多模型的半监督学习算法，实现与半监督学习方法相比更高的语义分割性能，并且相对于最先进的方法，我们提出的 DiverseHead 架构在参数空间上相对
PDF16 days ago
基于查询分布一致性的半监督医学图像分割
我们提出了一种基于 Dual KMax UX-Net 的新型半监督学习框架，该框架利用标记数据指导对未标记数据的信息提取，并通过合并未标记数据显著提高性能。实验证明，我们的方法在 Atrial Segmentation Challenge
PDF17 days ago
一种适用于半监督医学图像分割的多功能范式
通过整合各种任务到一个统一模型并利用大量未标记数据来进行半监督医学图像分割，我们介绍了一个名为 VerSemi 的全新的多功能半监督框架，实验证明它在公共基准数据集上始终可以通过较大的边际优势（例如，在四个数据集上平均达到 2.69％的 D
PDF18 days ago
MSE-Nets：用于提高具有模糊边界的医学图像分割的多注解半监督集成网络
使用有限的多注释和丰富的无注释数据，我们提出了一种多注释半监督集成网络（MSE-Nets），用于医学图像分割任务，通过多种方法增强模型，优化可利用的注释数据，减少重复注释的需求，并提高模型在医学图像分割中的性能。
PDF21 days ago
向机器监督的转变：高效注释的自监督学习用于自动医学图像分割和分类
自我监督学习和半监督学习在医学影像领域的新进展，通过 S4MI（自我监督和半监督医学影像）管道，使用 10% 标签注释的自我监督学习在大多数数据集的分类任务上表现优于 100% 标签注释，而使用 50% 标签数较少的半监督方法在三个数据集的
PDF21 days ago
ICCVSSB：简单但强大的开集半监督学习性能提升基线
研究了半监督学习在开放集场景下的表现，提出了一种名为 Simple but Strong Baseline (SSB) 的方法，通过使用高置信度伪标签数据和非线性转换来改善内部分类和异常检测性能，进一步引入了伪负样本挖掘以提升对异常数据的检
PDF21 days ago
半监督医学图像分割的伪标签引导数据融合和输出一致性
基于卷积神经网络的监督学习算法已成为医学图像分割任务的基准，但其效果严重依赖于大量标记数据。受到半监督算法的启发，利用有标签和无标签的数据进行训练，我们提出了 PLGDF 框架，用于使用较少注释的医学图像进行分割。我们提出了一种新颖的伪标签
PDF21 days ago
SSASS：半监督式狭窄分割方法
我们介绍了一种用于心血管狭窄分割的半监督方法，通过数据增广和利用伪标签的学习技术，实现了在冠状动脉造影图像中准确评估病患情况的自动诊断算法。
PDF21 days ago
基于交换预测的通信信号识别的半监督学习
使用深度神经网络进行通信信号识别在大样本监督学习方面表现出色，但对于小数据集和少量标签的情况下，使用深度神经网络进行训练往往容易过拟合，性能下降。为此，我们提出了一种半监督学习方法，能够有效利用大量的未标记信号数据来提高泛化能力。该方法主要
PDF24 days ago
通过超参数调整改进 ONCE 基准
这项研究聚焦于半监督学习方法在点云数据中的评估，以应对自动驾驶、机器人技术和增强现实等领域对 3D 物体检测的不断增长需求。结果表明，单纯的超参数调整与监督模型的结合能够在 ONCE 数据集上达到最先进的性能，而未标注数据对模型改进的贡献似
PDFa month ago
异质属性空间的半监督学习任务元学习
我们提出了一种元学习方法，用于半监督学习，该方法通过学习具有异构属性空间的多个任务来提高带有少量标记数据的任务的预期测试性能，并使用未标记数据以及不同任务的数据，其中任务之间的属性空间是不同的。
PDFa month ago