training data augmentation | BriefGPT

关键词training data augmentation

搜索结果 - 12

AIGeN：视觉定位导航中的指令生成的对抗性方法
通过使用生成对抗网络（GANs）的启示，提出了 AIGeN，一种新颖的架构，用于生成有意义且形式良好的合成指令，从而改善导航代理的性能，该模型由 Transformer 解码器（GPT-2）和 Transformer 编码器（BERT）组成
PDF3 months ago
ICASSP2024 ICMC-ASR 大赛的 NUS-HLT 系统
我们团队在 ICMC-ASR 挑战赛的两个方向上付出了努力，包括多通道前端增强和辨析、训练数据增强、多通道分支的语音识别模型，经测试，在官方 Eval1 和 Eval2 数据集上，我们的最佳系统相对于官方基准系统提高了 34.3% 的 CE
PDF6 months ago
NeuRAD：用于自动驾驶的神经渲染
NeuRAD 是专为动态自动驾驶数据量身定制的强大的新视图合成方法，具有简单的网络设计、广泛的传感器建模和适应多个数据集的能力，并在多个领域取得了最先进的性能。
PDF7 months ago
CATfOOD：提升跨领域性能和校准性的反事实增强训练
使用大型语言模型对小型语言模型进行训练数据增强，在抽取式问答系统中改善模型的领域外性能，并提高模型校准的多样性和精简性。
PDF10 months ago
使用随机 Lp 范数损坏研究图像分类器的抗腐化性能
研究探讨了随机 Lp - 范数扰动在图像分类器数据训练和测试中的作用，发现训练数据使用 L0 - 范数扰动可以提高模型的容错性且不影响正确率，建议在使用先进的数据扩充技术的基础上使用 L0 - 范数扰动进行数据增广。
PDFa year ago
EMNLP神经逆向生成：更为丰富的数据增强方法
本文提出了 NeuroCounterfactuals 方法，通过松散的对比事实产生更大规模的编辑，从而使得生成的文本包含语言多样性，同时与原始文档相似，使得训练数据增强在情感分类方面取得了良好的效果。
PDF2 years ago
插拔式因果文本生成：提升模型鲁棒性
CASPer 框架使用插入即用的方法生成能够满足目标属性的对抗文本，用于补充训练数据，从而提高测试模型的鲁棒性和可靠性。
PDF2 years ago
CVPR数据增强以提高图像字幕生成解决方案的鲁棒性
该论文研究了运动模糊在图像描述中的影响，通过在训练中增加数据，在目标检测和描述两个阶段中都加入数据增强技术，成功地改进了解决方案的鲁棒性，特别是在高度运动模糊的情况下使 CIDEr-D 降低到了 11.7。
PDF3 years ago
鼓励神经机器翻译满足术语限制
本文提出了一种新的方法，通过训练步骤来鼓励神经机器翻译满足词汇约束，其主要包括训练数据扩充、约束词汇掩码和交叉熵损失函数修改三个方面，实验表明该方法在 BLEU 分数和生成约束词汇的数量方面均优于其他算法。
PDF3 years ago
从立体图像学习碰撞自由空间检测：单应性矩阵带来更好的数据增强
本文提出了一种有效的训练数据增强方法，通过将额外的多视图图像转换为参考视图来生成训练数据，以提高深度卷积神经网络的性能，从而增强自主车辆的无碰撞空间检测性能。
PDF4 years ago
QMUL-SDS 在 CheckThat!2020 中：利用增强数字表达式的 CT-BERT 确定 COVID-19 推文的真实性
本文介绍了 QMUL-SDS 团队在 CLEF 2020 CheckThat! 共享任务的任务 1 中所做的工作，使用 COVID-Twitter-BERT（CT-BERT）和机器学习方法进行虚假新闻辨识。该团队使用了数值表达式增强的 CN
PDF4 years ago
卷积神经网络中的平移不变量量化
研究卷积神经网络中实现图像识别中的平移不变性的因素，并发现训练数据增量是获得平移不变表示的最重要因素。
PDF7 years ago