two-stage training strategy | BriefGPT

关键词two-stage training strategy

搜索结果 - 7

ToCoAD: 用于工业异常检测的两阶段对比学习
该研究论文提出了一种名为 ToCoAD 的两阶段训练策略，通过使用合成异常来训练判别网络，在第二阶段中使用该网络提供负面特征引导，通过自举对比学习来训练特征提取器，从而解决了当前无监督异常检测方法在特定异常类型上的困难，提高了对工业数据集中
PDF3 days ago
多模态引导的开放词汇时态行为定位
OVFormer 是一种新型的开放词汇框架，通过使用任务特定的提示作为输入，利用大型语言模型获得行动类别的丰富描述，并引入了交叉注意机制来学习类别表示和帧级视频特征之间的对齐，以及采用了两阶段训练策略，包括与更大词汇数据集的训练和对下游数据
PDF13 days ago
CrossFuse：一种基于交叉注意力机制的红外和可见光图像融合新方法
提出了一种新颖的跨模态注意机制（CAM）来增强互补信息，并提出了基于两阶段训练策略的融合方案，实验结果表明我们提出的融合方法在融合网络中获得了 SOTA 级别的性能。
PDF19 days ago
MuMath-Code：结合多角度数据增强的数学推理工具使用大型语言模型
我们提出了一种结合外部工具和数据增强的方法，并采用两阶段的训练策略，以实现数学推理能力的增强。经过大量实验证明，我们的方法在数学推理任务上取得了新的最佳性能。
PDF2 months ago
ICCV深度聚类的稳定簇划分
通过提出一种稳定的聚类判别任务和全局熵约束优化方法，实现一阶深度聚类并在基准数据集和 ImageNet 上达到了最先进性能。
PDF7 months ago
ACL构建可提供任意 X-Y 翻译的多语言机器翻译系统
本文旨在讨论如何通过两阶段训练策略实现多语言神经机器翻译系统，以解决低效率的问题，并在 WMT'21 多语言翻译任务中进行实验验证，证明我们的系统在大多数方向上优于基线模型，并且不需要架构修改或额外数据收集。
PDF2 years ago
RFN-Nest：一种红外与可见光图像端到端残差融合网络
本研究为解决图像融合设计中的策略选择难题，提出一种基于深度学习的残差融合网络（RFN-Nest）以及两种新的损失函数，并通过创新的两阶段训练策略训练模型。实验结果表明，相较于现有方法，该端到端融合网络在主观和客观评估中表现更佳。
PDF3 years ago