unsupervised domain adaptation | BriefGPT

关键词unsupervised domain adaptation

搜索结果 - 642

DATR: 无监督领域自适应检测 Transformer 模型：基于数据集层面适应与原型对齐
我们提出了一种强大的基于 DetR 的检测器，名为 Domain Adaptive Detection Transformer (DATR)，用于无监督域自适应目标检测，通过有效地对跨域特征进行类别感知的对齐，明确引导检测器实现全局表示，并
PDFa month ago
从无监督领域自适应角度重新思考基于弱监督分割
本论文提出了一种仅使用有限的标注数据和大量未标注图像的单张标注数据训练模型而不依赖图像配准的几乎无监督医学图像分割（BSS）方法，采用无噪声标注数据构建算法和频率空间混合策略，用于减轻数据间的领域转移问题，实验证明该方法对 BSS 具有很高
PDF2 months ago
面向实例分割的合成到真实的无监督领域自适应
UDA4Inst 是一种适用于自动驾驶中实例分割的合成到真实领域无监督域适应模型，通过引入新颖的交叉域双向实例级混合数据方法充分利用了源域和目标域的数据，并采用稀有类别平衡和类别模块训练进一步提高了性能。在新的合成到真实实例分割基准测试上，
PDF2 months ago
联合半监督和对比学习实现零样本域自适应与多域分割
SegCLR 是一个多功能的框架，旨在通过同时采用监督学习和对比学习，跨不同领域对体积图像进行分割，有效地从标记和无标记数据中学习。
PDF2 months ago
CVPR未监督领域自适应 3D 物体检测的伪标签精炼
在这篇论文中，我们提出了一种新颖的伪标签精炼框架，通过补充性增强策略，生成额外的候选框并在不同领域中对 RoI 特征进行对齐，有效提高了伪标签的质量，并在六个自动驾驶基准测试中持续超越了现有最先进的方法。
PDF2 months ago
M3BAT：多分支敌对训练实现的多模态移动感知无监督领域适应
通过对多模式移动传感数据进行无监督域自适应的多分支对抗训练，我们的方法在未知领域上表现出色，相较于在源领域训练的模型，分类任务的 AUC（特征曲线下面积）提高了 12％，回归任务的 MAE（平均绝对误差）提高了 0.13。
PDF2 months ago
领域自适应语义分割的样式适应
我们提出了一种简单直接的方法来减小不同领域之间的差异，该方法无需进行额外的参数计算，并且可以与基于自训练的无监督领域适应方法无缝集成。通过在潜在特征空间中将目标领域的风格传递给源领域，该模型在决策过程中优先考虑目标领域的风格，在图像级别和浅
PDF2 months ago
现代 UDA 算法中的超度现象
神经网络面对与其训练集不同的陌生数据时，存在域偏移的问题，现有的解决方法包括不加监督的域适应和确定性提取等，但它们往往会导致模型的过度确定性现象，本文提出了一种增加准确性并保证模型校准的不加监督域适应算法，适用于计算资源有限的环境。
PDF2 months ago
基于视觉转换器的对抗领域自适应
无监督领域自适应方法已取得了最新的优秀成果，并大多数使用了卷积神经网络作为特征提取器，然而视觉转换器虽已被广泛应用于计算机视觉任务，却未在对抗性领域自适应中研究过，本文填补了这一空白，并证明视觉转换器可直接应用于现有的对抗性领域自适应方法，
PDF2 months ago
利用图生成提升领域自适应物体检测
通过图生成提高无监督域适应中的目标检测质量，并在语义对齐和适应领域之间保持类别不变的信息以实现最准确的跨域语义对齐。
PDF2 months ago
CVPR无监督领域适应结构搜索与自我训练用于地表覆盖图制作
通过将马尔可夫随机场神经架构搜索（MRF-NAS）与自训练无监督域适应（UDA）结合为单一框架，本研究在有限的计算预算下为土地覆盖映射任务搜索出高效且有效的轻量级神经网络，该网络在 OpenEarthMap 和 FLAIR＃1 这两个近期数
PDF2 months ago
基于权重感知的多源无监督领域自适应方法用于人体动作意图识别
准确识别人体动作意图（HMI）对于外骨骼机器人来提高穿戴舒适度和实现自然人机交互是有益的。本文基于多源无监督领域自适应理论和算法，考虑源领域主体之间的差异，提出了一种新的多源 UDA 算法 WMDD，通过多源 UDA 理论和边界差异差异（M
PDF2 months ago
增强人工智能诊断：半监督深度学习自主病变掩模
本研究提出了一种无监督领域适应方法，用于自动生成乳腺超声成像中乳腺病变感兴趣区域（ROIs）的图像掩膜。我们的半监督学习方法利用在带有真实注释的小型公共乳腺超声数据集上训练的原始模型，针对领域适应任务进行迭代改进，生成私人未标记乳腺超声数据
PDF3 months ago
DACAD：领域自适应对比学习多元时间序列中的异常检测
本文提出了一种结合无监督域自适应和对比表示学习的新颖多变量时序异常检测领域适应对比学习模型（DACAD），模型通过引入各种类型的合成异常来增强泛化能力，改善领域间未见异常类的一般化，提出了针对异常检测的有效中心熵分类器（CEC），有效学习源
PDF3 months ago
超越查询：通过强化学习训练更小的语言模型进行网络交互
针对传统搜索系统在产品搜索等场景中面临的挑战，本研究介绍了一种用于智能网页交互的基于语言模型和强化学习的框架，名为 GLAINTEL。GLAINTEL 通过引入基于 transformer 模型的 Flan-T5 架构，结合语言建模和价值评
PDF3 months ago
ICLR探索选择性图像匹配方法用于城市天蓬预测的零样本和少样本无监督域适应
通过数据匹配和领域适应多任务 UNet 网络，无需培训领域自适应分类器和大量微调，我们研究了将训练好的网络适应新地理环境的简单方法。无监督领域适应方法中，选择性数据对齐通过在两个地理域中识别相似图像，并在 “零样本” 情况和微调的情况下，测
PDF3 months ago
基于不确定性引导的无源域自适应与目标独立类别分离
该论文介绍了一种针对无源领域自适应的新方法，通过将目标领域的样本细分为多个未知类别来改善对目标专属样本的分离，并提出了一种名为 NL-InfoNCELoss 的新对比损失函数，可以增强模型对噪声伪标签的鲁棒性。实验结果表明，该方法在基准数据
PDF3 months ago
FPL+: 基于滤波伪标签的无监督跨模态适应性在三维医学图像分割中的应用
提出了一种基于增强型筛选伪标签的无监督域自适应 (Unsupervised Domain Adaptation, UDA) 方法，用于三维医学图像分割，通过交叉域数据增强生成高质量伪标签，结合标注的源域图像和目标域伪标签进行模型训练，在多个
PDF3 months ago
基于频率分解的无监督领域自适应方法在遥感图像语义分割中的应用
基于跨领域语义分割的遥感图像的无监督领域自适应（UDA）技术已经在地球科学的深度学习应用中有了显著的进展。最近，Transformer 模型在 RS-UDA 任务中得到了成功应用。然而，现有的 UDA 方法主要关注高级特征空间中的领域对齐，
PDF3 months ago
语言引导的实例感知领域自适应全景分割
提出了一种名为 LIDAPS 的新型模型，通过 IMix 策略实现了实例级的域适应，提高了全景质量，并利用 CLIP-based domain alignment (CDA) 方法来解决语义性能下降的问题，在流行的全景无监督域适应基准测试中
PDF3 months ago