soft-labels | BriefGPT - AI 论文速递

关键词soft-labels

搜索结果 - 9

CVPRMaskCon：用于粗标签数据集的掩蔽对比学习
提出了一种名为 Masked Contrastive learning (MaskCon) 的对比学习方法，用于解决使用粗标签数据集来解决细标签问题的问题。该方法利用了不同样本之间的相互关系和粗标签信息，生成软标签。在多个数据集上实验表明该
PDFa year ago
基于群众标注的多视角知识蒸馏用于领域外泛化
本文提出了新的方法以通过温度调节和 Jensen-Shannon 中心法从众包注释中汇总多个视角的分布，从而获得软标签。我们展示了这些聚合方法在四项自然语言处理任务中表现出最佳或接近最佳的性能，同时还验证了这些方法在任务不确定性估计上表现最
PDF2 years ago
CVPR图像标签语义分割的增量学习
该论文提出了一种新的语义分割框架，采用弱增量学习，使用辅助分类器和软标签更新模型，从图像级别标签中学习新类别的分割，可有效减少由像素逐像素标注带来的时间和经济成本。
PDF3 years ago
ECCVOpenCoS：用于处理开放集未标记数据的对比半监督学习
本文提出了一个基于自我监督视觉表征学习框架的 OpenCoS 框架，可以处理开放式半监督学习的情况，通过利用伪标签和软标签来解决现有半监督方法中的失效问题，并通过大量的实验证明了其有效性。
PDF3 years ago
EMNLPGPT3Mix：利用大规模语言模型进行文本增强
本文提出一种新的数据增广技术，利用大规模的语言模型从混合的样本中生成逼真的文本样本，并利用语言模型预测的软标签，从大规模语言模型中蒸馏知识并同时创建文本扰动，我们在多元化的分类任务上进行数据增广实验，并展示了该方法远远优于现有的文本增广方法
PDF3 years ago
MetaLabelNet: 从噪声标签中学习生成软标签
提出了一种标签噪声鲁棒的学习算法，该算法使用具有元目标的软标签来训练基础分类器，软标签由数据实例的提取特征生成，并使用单层感知器网络进行学习，算法使用少量的无噪声数据作为元数据，实验结果表明，该算法优于现有基线。
PDF3 years ago
知识增强的分布式模型反演攻击
本文提出了一种基于 Inversion-specific GAN 的新型模型反演攻击方法，通过训练鉴别器不仅区分真伪样本，而且包括目标模型提供的软标签，进而为每个目标类建模私人数据分布，成功率比先前的攻击方式有所提高（150%），而且普适于
PDF4 years ago
再次捍卫三元组损失：利用快速近似三元组损失和标签精华学习鲁棒的人物再辨识
提出了一种快速逼近的三元组损失（FAT）来匹配人物重新识别任务的大规模数据集中的潜在噪声标签，同时提出了标签蒸馏策略来改进由于潜在噪声标签的学习，结果表明该方法可显著提高 ReID 特征的准确性，效率，鲁棒性和直接可迁移性。
PDF5 years ago
CVPR利用自我训练实现目标检测器对新领域的自动适应
本文提出了一种基于未标注视频数据的无监督目标检测器自适应方法，该方法利用现有检测器的高置信度检测结果和跟踪器获取时序提示来自动获取目标数据标签，然后通过修改知识蒸馏损失函数和软标签的分配方法进行重新训练，实验结果表明该方法恰当地利用了追踪获
PDF5 years ago