two-stage training | BriefGPT

关键词two-stage training

搜索结果 - 12

增强的 CenterNet 与对比学习的自动息肉检测
通过使用增强中心点网络与对比学习 (ECC-PolypDet) 的两阶段训练和端到端推理框架，结合图像和边界框注释来训练通用模型，并基于推理得分对其进行微调，以获取一个最终鲁棒的模型，从而实现对结直肠癌早期诊断至关重要的息肉准确检测。
PDF6 months ago
LatentPINNs：通过潜在表示学习生成物理信息神经网络
本研究提出了一种名为 latentPINN 的框架，通过将偏微分方程（PDE）参数的潜在表示作为额外的输入进行 PINN 模型的训练，使用两个阶段的训练来学习 PDE 参数的潜在表示，并通过在解决区域内随机生成空间坐标和 PDE 参数值的样
PDFa year ago
ACL学习记忆：用循环记忆的 Transformer 进行文档级机器翻译
介绍了一种新的循环记忆单元来加强 Transformer 框架下文档级机器翻译的一致性，提出了一种两阶段的训练策略，实现了在三个流行数据集上的优异表现，并在 TED 和 News 数据集上实现了比过去最好结果更好的结果。
PDF2 years ago
CVPR使用多相机视频三元组参考的视频超分辨率
该研究提出利用引用视频进行超分辨率处理的引用视频超分辨率（RefVSR）网络模型，实验结果表明，该模型在三个摄像头的超宽视频三重组成的数据集上表现出了最先进的 4x 超分辨率性能。
PDF2 years ago
拼音和汉字双重解码对端到端普通话语音识别的有效性研究
该研究提出了一种在单输入双输出（SIDO）多任务框架下，基于拼音和汉字之间一一对应特征的改进双解码器模型，以及一种异步解码模式和双阶段培训策略，该模型在没有语言模型的情况下，在 AISHELL-1 数据集的测试集上相对于强基准模型有大幅度改
PDF2 years ago
通过平衡影响训练公平的深度神经网络
我们提出了一个名为 FAIRIF 的两阶段训练算法，它可以应用于一系列使用随机梯度下降训练的模型，并通过在小型验证集上计算样本权重来实现跨不同人口群体的模型性能平衡，从而缓解先前机器学习算法中存在的不公平问题。在合成数据集和实际数据集上的实
PDF2 years ago
EMNLP总结回忆：神经语义解析器的定制化持续学习方法
本论文探讨连续学习在语义解析中的应用方法，提出了一种面向神经语义解析器的连续学习方法 TotalRecall，通过多方面优化神经网络中的采样和分布平衡，以及采用两阶段训练方式，提高了神经网络在多任务间的泛化能力，实验结果表明这种方法优于目前
PDF3 years ago
ECCVVisDA-2020 比赛第一名方案：消除领域自适应行人再识别中的偏见
本论文提出了用于视觉域自适应挑战（VisDA-2020）中的领域自适应行人重新识别（Re-ID）任务的两阶段训练方法，并采用伪标签生成策略和多模型组合等方法，在测试集上实现了 76.56％的 mAP 和 84.25％的 rank-1。
PDF4 years ago
ICLR自监督单目深度的语义引导表示学习
本文研究自监督学习中如何直接运用语义结构来指导几何表示的学习，提出了一种新的基于预训练语义分割网络和像素自适应卷积的架构，并使用两阶段训练过程来克服动态对象上的常见语义偏差。结果表明该方法在所有像素、细节和语义类别上都优于现有方法，实现了自
PDF4 years ago
STNReID : 使用成对空间变换网络的深度卷积网络进行部分人员重新识别
本研究提出一种基于空间变换网络的深度偏分人员再识别框架，可以用于与整体身份图像匹配。实验结果表明，该框架在偏分人员再识别任务中达到了与最先进方法相当的准确率。
PDF5 years ago
CVPR重新思考零样本学习的知识图谱传播
本文介绍了一种基于图卷积神经网络、知识图谱和 Dense Graph Propagation 模块的两阶段训练方法，针对多层架构中节点之间的信息传播问题提出了一种精心设计的直接连接方法，通过加权方案进一步提高了信息在图中的传播效率，实验结果
PDF6 years ago
ICCV使用卷积神经网络进行视频对象分割的像素级别匹配
本文提出了基于 CNN 的视频对象分割算法，采用像素级匹配来区分目标区域和背景。提出了特征压缩技术，对大数据集进行实验，证明了模型在准确性、速度和稳定性方面的有效性，同时也介绍了模型在不同领域的可传递性。
PDF7 years ago