檢索結果：共15筆資料 檢索策略： "Contrastive Learning".ekeyword (精準)
個人化服務 ：
排序：
每頁筆數：
已勾選0筆資料
1
自監督學習正在迅速地縮減監督式學習在資料短缺及充足的情況下的差距。這項成就歸功於對比學習方法近期的研究成果。然而，學者們仍探究著對比學習的弱點。首先，在實務上以實例判別任務為基礎的對比學習能夠輕易地…
2
在推薦系統領域中，神經網絡的使用越來越普遍，在過去大部分的研究當中通常透過單一表徵來代表使用者的整體偏好，而在一些研究當中注意到使用者偏好可以被解釋為使用者的多方面的興趣，因此多興趣的概念在推薦系統…
3
醫學圖像的語義分割可以幫助醫生進行診斷，而被引起了關注。為了提高物體邊緣和困難類別的預測準確性，在本論文中，我們考慮一種新的架構，它由兩部分組成：TransUNet 和表示網絡。 TransUNet…
4
在過去，傳統監督學習高度依賴標記數據，這限制了其應用在各種不同種類的數據集。隨著自監督學習在計算機視覺領域取得了驚人的進展，它顯示了在不依賴標籤的情況下達到與監督學習相媲美的成果的潛力。近年來，這種…
5
由於模型結構複雜，深度學習方法通常在模型訓練和模型預測中引入較高的時間和空間複雜度。為了有效地將深度學習方法應用於輕量級設備，例如物聯網環境設備，模型壓縮到輕量級版本近年來引起了人們的關注。知識蒸餾…
6
抽取文本摘要是將原始文檔生成簡潔且信息豐富摘要的任務。為了實現這一目標，模型需要對提取文檔的重要部分有深刻的理解，同時避免所選部件之間信息過度重疊。二元交叉熵損失（BCELoss）已成為訓練句子級摘…
7
本論文提出了一種方法，利用對比式學習預訓練模型作為知識蒸餾的輔助工具，以改善瑕疵偵測的性能。本論文採用MVTec資料集，內含15種工業生產影像，其中有10種物件影像、5種材質影像，總計5354個樣本…
8
由於傳統的腫瘤切割方式是相當費時費力的，發展一個有效的自動腫瘤分割模型是相當重要的。然而，過往大多數的模型都是採用全監督式的方法來訓練的，全監督式的方法需要大量的像素等級標註資料，而像素等級的標註資…
9
隨著科技日益進步，影像編輯軟體也越來越發達。使用者可以透過修圖軟體，輕鬆地更改影像資訊，且修改後的內容，僅憑肉眼無法分辨出真假；另外，由於機器學習的發達，電腦亦具備自動生成影像的能力，可以輕易地產生…
10
對比式學習(contrastive learning)是一種表示學習方法，其訓練目標是提升參考樣本與正負樣本之間的相似度的對比，以達到參考樣本與正樣本之相似度最大化、而與負樣本之相似度最小化。以此目…