BriefGPT.xyz
Ask
alpha
关键词
soft pseudo-labels
搜索结果 - 4
激发对齐能力:多模态实体和关系抽取的力量
运用多模态提取与图像和文本对齐,利用创新的预训练目标来增强实体和关系的提取能力,实验结果显示相对先前的最佳方法有 3.41% 的 F1 改进,此方法对先前的多模态融合技术是正交的,并在先前的最佳方法的基础上提高了 5.47% 的 F1。
PDF
8 months ago
无源领域自适应的一致性正则化
通过一致性正则化框架、软伪标签、基于采样的伪标签选择策略和全局导向的校准方法,本文提出了一种更具泛化能力的无源域适应方法,在目标训练集和测试集上同时提高模型性能,实现了在多个无源域适应基准上的最先进性能,并展示在未知测试集上的鲁棒性。
PDF
a year ago
CVPR
谦逊的教师能更好地教授半监督物体检测的学生
我们提出了一种基于师生对抗框架的半监督目标检测方法,使用区域提议和软伪标签作为学生的训练目标,并使用指数移动平均策略更新教师。相比于最近的最先进技术,我们的模型使用许多建议和软标签向学生暴露了更丰富的信息,并通过使用检测特定数据集合,使教师
→
PDF
3 years ago
使用支持样本非参数预测视角赋值实现视觉特征的半监督学习
通过预测视图分配的支持样本(PAWS)的新方法,通过使用软伪标签来将已标记样本的表示与未标记样本的视图表示进行比较,从而将带标签样本无参数地纳入半监督自我监督训练方法中,并强制确保单一未标记实例的不同视图分配相似的伪标签。PAWS 不仅在架
→
PDF
3 years ago
Prev
Next