synthetic data augmentation | BriefGPT

关键词synthetic data augmentation

搜索结果 - 9

基于可靠 LLM 的任务导向对话系统用户模拟器
DAUS 是一种基于大型语言模型的领域感知用户模拟器，通过在真实的面向任务对话示例上进行微调，显著提高用户目标的实现，并有效减少模拟器回应中的不一致性来源。
PDF4 months ago
CC-SGG：利用学习到的场景图生成边际案例场景
通过使用异构图神经网络的新方法，将常规驾驶场景转化为极端案例，然后导入模拟生成关键情况，以提高自主驾驶车辆在独特情况下的安全运行能力。
PDF10 months ago
iWarpGAN：解耦身份和风格以生成合成虹膜图像
该论文提出了 iWarpGAN 方法，利用两种转换通路（身份转换路径和风格转换路径）解耦虹膜图像中的身份和风格，生成具有身份和风格变异的合成虹膜图像，并使用合成数据增强深度学习算法的性能。
PDFa year ago
CVPRt-RAIN: 天气模糊标签转移攻击下的稳健泛化
通过分析标签偏移对自动驾驶中的多气候分类任务及行人检测任务的影响，并提出使用 t-RAIN 进行数据增广的方法，使得在无偏移、雾、雪和尘埃偏移情形下行人检测的性能提高 2.1％-4.4％，在真实和合成气象领域中分别获得最优的 82.69 A
PDFa year ago
EMNLP利用编码器早期融合创建全球概率空间以进行开放领域问答
通过扩展 Transformer 编码器的能力以融合信息，使用全局表示跨样本注意所有令牌，并提出了一种更好的答案跨度概率计算方法，我们使用与综合数据增强配对的方法，在推理期间只使用 25％的参数和 35％的延迟，在自然问题数据集上的精确匹配
PDF2 years ago
在数据稀缺的约束下，在人工参与机制下的医学科学表格自动生成文本
本文提出了一种新的基于表格到文本的方法，通过自我纠正、复制机制和合成数据增量，增强了该方法的性能。实验证明，该方法选择了显著的生物医学实体和值，以生成相关的文本，同时我们还演示了该系统对新数据集的轻量级适应。人工验证表明，该模型的输出是准确
PDF2 years ago
NIPS无监督对抗不变性
该论文提出了一种新的无监督不变感知诱导框架，该框架通过竞争式训练和分解重构任务学习数据的分离表示，以抵抗干扰因素，并且无需任何标签的信息或领域知识。该无监督模型可以有效地使用合成数据增强来学习不变性和领域适应，并在诸如二元 / 多类别分类或
PDF6 years ago
利用基于 GAN 的合成医学图像增强技术提高 CNN 在肝脏病变分类中的性能
使用生成对抗网络合成医学图像，然后将其用于合成数据增强以提高卷积神经网络在医学图像分类中的性能。
PDF6 years ago
深度学习用于标志识别
本研究提出一种采用深度学习进行标志识别的方法，通过 logo 区域建议和卷积神经网络进行分类，实验证实了通过人工合成数据来增加识别准确性的可行性。
PDF7 years ago