关键词webly supervised learning
搜索结果 - 6
- CAPro: 跨模态对齐原型的网络监督学习
本论文提出了一种名为 CAPro 的统一原型对比学习框架,它利用文本原型和视觉特征空间来解决 web 图像学习中的标签噪声问题,并取得了显著的性能提升。
- AAAIFoPro: 少样本引导鲁棒网页监督原型学习
提出了一种 Few-shot guided Prototypical (FoPro) 表示学习方法来从网络数据中进行有监督学习,并促进实现真实世界中的性能提升。该方法使用少量实际的标记示例,缩小了网络实例与 “现实” 原型之间的内部距离,并 - ECCV具有自包含置信度的网络监督图像分类
本文提出了一种基于 Self-Contained Confidence (SCC) 的深度神经网络 (DNN) 方法,以样本的可信度为基础,将自我标记自监督损失函数和 webly 监督损失函数进行有机融合,提出了一种简单而有效的网络学习 ( - 跨模态图像 - 文本联合嵌入的网络监督检索
文章提出了利用网络图像及对应标签实现鲁棒视觉 - 语义联合嵌入学习的方法,通过在有限的训练数据中引入弱标注的网络图像能够取得比当前最先进方法更显著的图像 - 文本检索性能提升。
- 对含噪网络数据的类别级监督学习
本文提出了一种利用变分自编码器(VAE)和类别级别监督来处理网络数据的方法,并在三个基准数据集上进行了实验证明其有效性。
- 卷积网络的网络监督学习
本文提出了一种使用大量网络数据来学习 CNN 的方法。具体地,我们利用了课程学习的思想,提出了一种 CNN 训练的两步方法,表现优异且鲁棒性强。我们使用这种方法在 VOC 2007 上实现了最佳性能,并在其中演示了网络监督学习的强大功能。