shortcut learning | BriefGPT

关键词shortcut learning

搜索结果 - 31

关于视觉定位在 VQA 中的作用
通过形式化的理论框架 “Visually Grounded Reasoning”，本研究揭示了在 VQA 中视觉定位的重要性，指出基于深度神经网络的 VQA 模型通过捷径学习（shortcut learning）绕过视觉定位的情况，并提出了
PDF6 days ago
用于减轻医学图像中的捷径学习的注视导向视觉 GNN
本研究提出了一种新颖的注视导向视觉图神经网络（称为 GD-ViG），通过利用注视的视觉模式将网络引导到与疾病相关的区域，并从而减轻了快捷学习。该网络在医学图像分析中取得了优异的表现，比最新的方法更有效地减少了快捷学习问题。
PDF12 days ago
消除偏见：利用切片发现方法解释医学图像分析性能差距
使用 Slice Discovery Methods (SDMs) 鉴别机器学习模型中的性能差异及其与患者群体之间的相互作用，并提出性别差异导致观察到的分类性能差距的解释。
PDF15 days ago
CVPR超越捷径：通过神经坍缩的视角进行无偏学习
本文探讨了神经塌缩（Neural Collapse）现象在不平衡属性的偏倚数据集中的影响，提出了一种避免捷径学习的框架，通过设计神经塌缩结构的快捷方式引导模型，以捕捉内在的相关性，从而解决了偏倚分类的根本原因，实验证明该方法在训练过程中具有
PDF2 months ago
SemEval-2024 任务 2：临床试验安全的生物医学自然语言推理
提出 SemEval-2024 任务 2：用于临床试验的安全生物医学自然语言推理，旨在挑战大语言模型在干预和因果推理任务方面的能力，并提供方法和结果的全面评估，以促进医疗保健领域中自然语言推理模型的鲁棒性和适用性，确保在临床决策中更安全可靠
PDF3 months ago
T 细胞响应预测的迁移学习
我们研究了特定给定肽段的 T 细胞反应的预测，这对于个性化癌症疫苗的开发来说可能是一个关键步骤。我们使用了转换器模型进行 T 细胞反应预测，发现膨胀的预测性能不仅仅是理论上的问题，而是在实践中发生的。因此，我们提出了一个领域感知的评估方案，
PDF3 months ago
医学图像分割中的快速学习
研究通过探索临床注释以及数据集中的零补齐卷积和中心裁剪训练集等因素如何无意中成为快捷方式对医学图像分割准确性产生影响，并确定并评估了两个常见的医学图像分割任务中的快捷方式学习。此外，提出了减轻快捷方式学习影响、提高分割模型普适性的策略，并为
PDF4 months ago
坚持不懈：减轻深度学习中的捷径之路
深度神经网络易受到捷径学习的影响，本文通过拓扑数据分析和持久同调的研究，找出一种能够解决深度学习中的捷径学习问题的统一方法。
PDF4 months ago
语言增强对目标導向物体导航中的捷径学习问题进行应对
深度强化学习在目标导航中面临了捷径学习的问题，我们提出了一种基于语言的增强方法，利用视觉 - 语言模型的多模态特征空间，在特征层面上增强视觉表示，成功解决了捷径学习的挑战。
PDF5 months ago
深度神经网络背景偏差减轻的更快 ISNet
利用 ISNet 架构及 Layer-wise Relevance Propagation (LRP) 热图优化，我们提出重新构建的架构，通过最小化背景相关性，防止深度分类器决策中的背景特征影响，从而减少捷径学习并提高泛化能力。在 MNIS
PDF6 months ago
基于快速扩散的去除和生成捷径的对抗样本
通过快速扩散基于反事实的图像生成和基于修补的修改方法，我们检测和量化潜在的捷径特征对模型预测的影响。我们通过在两个大型胸部 X 射线数据集、一个皮肤病损数据集和 CelebA 上确认，验证了我们的方法在推理速度显著提升、图像质量与最先进技术
PDF6 months ago
关于捷径学习的基础
深度学习模型从数据中提取多种多样的特征，但这些特征的使用不仅取决于其预测能力（即特征如何可靠地指示训练数据标签），还取决于其可提取性（即特征从输入中容易提取或利用的程度）。研究表明，某些模型更喜欢使用某些特定的特征，例如纹理优先于形状，图像
PDF8 months ago
不要怪罪数据集偏移！梯度和交叉熵导致的快捷学习
对于感知任务而言，默认的 ERM 的隐含归纳偏差偏向于最大化边界学习模型，该偏差通过鼓励均匀边界解决方案可以消除 shortcut 学习，并在视觉和语言任务中证明更好的归纳偏差可以消除费时的两阶段 shortcut 缓解方法。
PDF10 months ago
ICCV在线原型学习用于在线连续学习
在线连续学习中，通过在单通数据流中不断学习新数据并减轻灾难性遗忘的问题，本文分析了在新的学习任务中为何在线学习模型无法很好地泛化的快捷学习，然后提出了在线原型学习框架（OnPro），通过在线原型平衡和自适应原型反馈机制，达到良好分离所有已见
PDFa year ago
基于词组搜索的自动对抗样本增强方法用于文本分类鲁棒性提升
本文提出一种新的基于词组挖掘的方法，用于解决大规模预训练语言模型的词汇捷径问题，建立反事实的语义增强机制并应用自适应投票机制，能够更准确地识别有效的因果特征，进而提升模型的分类效果。
PDFa year ago
如何构建完美和劣于硬币翻转的欺诈对抗措施：关于快捷学习的警告
本研究旨在通过对深度学习 based 干扰计数器措施进行系统干预来识别其学习中的捷径，并通过分析回归模型来了解偏倚如何影响类条件分数统计。
PDFa year ago
CVPRLSFSL: 利用形状信息进行少样本学习
LSFSL improves the generalizability and robustness of few-shot learning models by incorporating relevant priors and addr
PDFa year ago
线性卷积神经网络只利用最显著频率发现数据集的统计结构
这篇文章介绍了线性卷积神经网络学习的理论，发现卷积操作会导致数据集结构和网络结构不匹配，而线性卷积神经网络则通过非线性阶段性的转变发现数据集的统计结构，这种结构不匹配是影响神经网络性能的核心问题之一，同时还解释了卷积神经网络偏向于纹理而非形
PDFa year ago
早期训练动态视角下的快捷学习
本文通过观察 Deep Neural Networks (DNNs) 内部神经元的学习动态，提出了易学特征会导致 Shortcut Learning 的假设，并用实验验证了此假设。文章主张在早期的训练动态中监测模型的表现而非仅仅监测模型准确
PDFa year ago
EMNLP语言模型先验不是唯一的捷径：一项视觉问答中捷径学习的基准测试
为了解决 VQA 模型容易学习数据集偏见而非预期解决方案的问题，提出了一个考虑不同类型快捷方式构建不同分布变化的新数据集，并克服了在使用 VQA-CP v2 时出现的三种问题，提供了更严格和全面的测试环境。研究表明，特定快捷方式的方法无法同
PDF2 years ago