test-time augmentation | BriefGPT

关键词test-time augmentation

搜索结果 - 24

检测时生成式增强用于医学图像分割
本文提出了一种新颖的方法来增强测试时间内的医学图像分割，通过将生成模型整合到测试时间扩充中，可以有效地生成给定测试样本的多个视图，从而提高分割结果的可靠性。
PDF9 days ago
BayTTA: 使用贝叶斯模型平均优化测试时间增强的不确定性感知医学图像分类
本研究提出了一种新的基于贝叶斯模型平均的测试时间增强（TTA）优化框架 BayTTA，通过结合模型预测并加权考虑后验概率，可以提高相关机器学习或深度学习模型的预测性能。在医学图像分析和一些流行的预训练 CNN 模型中，BayTTA 的实验结
PDF9 days ago
基于遮罩视频一致性的 VSPW 数据集语义分割
我们提出了基于现有模型的基于蒙版视频一致性 (MVC) 的解决方案，通过在预测过程中强制保持遮挡帧之间的一致性来学习蒙版部分的分割结果和视频的前后帧之间的关系，同时采用测试时增强、模型聚合和多模态模型后处理方法，该方法在 VSPW 数据集上
PDFa month ago
旅行推销员问题的测试时间增强
通过测试时间增强（TTA）作为一种有效的技术，我们提出了解决组合优化问题，包括旅行推销员问题。与学习图结构的已提出的具有不变性特性的深度学习模型不同，我们将节点索引的排列解释为一种 TTA 方案。结果表明，我们的方法能够获得比最新模型更短的
PDF2 months ago
关于视觉语言模型的测试时零样本泛化：我们真的需要提示学习吗？
通过研究大型视觉 - 语言模型，特别是 CLIP，有效的调整技术，主要关注软提示调整，这催生了一系列研究。与此同时，测试时数据增强正在成为一个重要的研究领域，它利用图像的多个增强视角来增强零样本泛化能力。相反，我们提出了一种用于测试时数据增
PDF2 months ago
利用上下文重写提高黑盒稳健性
机器学习模型在数据内部（ID）上表现出色，但在未见过的数据外部（OOD）输入上存在困难。本研究提出了一种名为 LLM-TTA 的技术，通过基于 LLM 生成的增强方法来改善 BERT 和 T5 模型在情感、毒性和新闻分类任务上的 OOD 鲁
PDF5 months ago
理解测试时数据增强
利用数据增强在测试期间产生平均输出的测试时间增强（TTA）是一种非常强大的启发式算法，本文旨在为 TTA 提供理论保证并澄清其行为。
PDF5 months ago
使用 YOLOv7 和测试时增强的方法进行小鸟检测
本文提出了一种针对 2023 年小鸟目标检测挑战的小鸟检测方法，采用了 YOLOv7 模型和测试时间增强，通过增加输入分辨率、多尺度推断、在推断过程中考虑翻转图像以及使用加权框融合来改进检测效果，并在实验中对每种技术的影响进行了深入研究，实
PDF7 months ago
三维点云分类和分割的测试时间数据增强
本研究探讨了 3D 点云的测试时间数据增强方法，并使用隐式表示和点云上采样技术作为系统化方法，通过从重构结果中采样点并将其用作测试时间增强数据来改进准确性。此方法对于稀疏点云的目标分类和分割等下游任务在 ModelNet40、ShapeNe
PDF7 months ago
EMNLP用于事实探索的测试时增强
使用测试时增强作为一种关系不可知方法，通过在测试时自动增强和集成提示，来减少对提示变化的敏感性，实验结果显示了改进的模型校准性，即使用测试时增强，模型的置信度更好地反映了预测的准确性。
PDF8 months ago
S$^3$-TTA: 生物医学图像分割中的规模样式选择
该研究论文提出了一种名为 S$^3$-TTA 的新的测试时间数据增强框架，基于转换一致性指标为每个测试图像选择合适的图像尺度和样式，同时构建了端到端的增强 - 分割联合训练流水线，通过在测试阶段简单增加输入数据，在细胞和肺部分割的公共基准上
PDF8 months ago
通过放大变换器提升高分辨率图像分类
通过数据分析、选择强基线模型、迁移学习、数据增强和测试时间增强等综合方法，我们在 ICCV/CVPPA2023 深度养分缺乏挑战赛中获得第二名，以高分辨率图像分类为主要研究内容。
PDF9 months ago
小型数据集的有效二阶段训练范式检测器
这篇报告介绍了一种有效且稳健的解决方案，即 VIPriors Challenge 2023 中物体检测任务的两阶段训练范式 YOLOv8 检测器（TP-YOLOv8），通过有限的标记数据对预训练模型进行学习，利用掩模图像建模技术将 YOLO
PDF10 months ago
CVPR VISION 23 挑战赛轨道 1 的亚军解决方案 -- 高效缺陷检测
本研究介绍了 Aoi-overfifitting-Team 团队解决 Data-Efficient Defect Detection 的技术细节，基于 Hybrid Task Cascade 实例分割算法，借助 CBNetv2 强化基线结果
PDFa year ago
Zoom 是必需品：图像分类中 Zoom 的强大和空间偏差的实证研究
研究了六种不同的神经网络模型，确认透过图像缩放以提取最重要信息，并通过基于缩放的数据增广技术（TTA）来提高分类准确性，提出了一个新的基准 ImageNet-Hard。
PDFa year ago
使用 MixGen 和多级测试时间增强提高音频语言学习
本文提出了两种新的数据增强方法：1）“音频 - 语言合成增强”（AL-MixGen）和 2）“多层测试时间增强”（Multi-TTA）用于音频和语言的学习；其中 Multi-TTA 可以将测试时间增强一般化到深度学习模型的多个层面。将这些方
PDF2 years ago
通过测试时间增强来改进文本分类
本文提出了一种改进的测试时间增强技术并设计出相应的增强策略，结果表明用于语言模型上的测试时间增强可以显著提高模型的准确性。
PDF2 years ago
ICML如何以少量样本微调模型：更新，数据增强和测试时间增强
本研究基于转移学习方法探究预训练模型在少样本学习任务下的迁移，比较全微调和线性探测两种常用的更新方法，并研究数据增强和测试时间增强对少样本性能的影响。结果表明，针对不同的数据和任务性质选择不同的迁移和增强方法能提高多样性能。
PDF2 years ago
测试时间数据增强的均值嵌入用于多重表示的集成
本文提出了一种简单有效的深度学习模型表示集成方法 --- 均值嵌入测试时间增强 (MeTTA)，实验结果表明 MeTTA 显著提高了线性评估在 ImageNet 数据集上的质量，这一方法将集成的成功推广到推断更高质量的表示是开启集成技术更多
PDF3 years ago
测试时间增强中更好的聚合
本论文提出了一种基于学习的测试时间增强方法，通过实验分析发现了传统简单平均的不足，在进行测试时间增强时，即使使准确率有所提高，也会使许多正确的预测变为错误的预测，探讨了这种现象的原因，并在各种模型、数据集和增强方法上验证了本方法的稳定性和准
PDF4 years ago