摘要：本文解决了半监督视频目标分割的问题。给定第一帧的mask，将目标从视频背景中分离出来。本文提出OSVOS，基于FCN框架的，可以连续依次地将在IMAGENET上学到的信息转移到通用语义信息，实现前景分割的目的，之后学习单个标注物体的外形。尽管所有的帧序列都是独立处理的，但结果却是时序相关的，连续稳定的。我们在两个标注的视频数据集上进行了测试，结果显示OSVOS是非常快的，同时较当前流行的最好
Adversarial Learning for Semi-Supervised Semantic Segmentation摘要创新点：我们提出了一种使用对抗网络进行半监督语义分割的方法。
在传统的GAN网络中，discriminator大多是用来进行输入图像的真伪分类（Datasets里面sample的图片打高分，generator产生的图片打低分），而本文设计了一种全卷积的discrimina
转载
2024-05-22 19:55:12
130阅读
【翻译自： Semi-Supervised Learning With Label Propagation】 【说明：Jason Brownlee PhD大神的文章个人很喜欢，所以闲暇时间里会做一点翻译和学习实践的工作，这里是相应工作的实践记录，希望能帮到有需要的人！】  
转载
2024-04-10 13:45:57
75阅读
半监督学习：综合利用有类标的数据和没有类标的数据，来生成合适的分类函数。它是一类可以自动地利用未标记的数据来提升学习性能的算法1、生成式半监督学习 优点：方法简单，容易实现。通常在有标记数据极少时，生成式半监督学习方法比其他方法性能更好 缺点：假设的生成式模型必须与真实数据分布吻合。如果不吻合则可能效果很差。而如何给出与真实数据分布吻合的生成式模型，这就需要对问题领域的充分了解2、图半监督
转载
2023-08-17 16:24:39
110阅读
半监督语义分割方法的总结：主要思想： Consistency regularization ：希望不同扰动之下网络的输出结果一致，扰动的加入的位置：（1）在输入图片上加扰动（2）在某一层的输出特征上添加扰动创新点：鼓励两个初始化不同（不同扰动）的网络的一致性利用半监督的方式相当于扩充了数据集网络结构两个网络的结构相同，但使用不同的初始化（作为不同的扰动），具体而言，2个网络backbone部分使用
转载
2023-10-25 15:59:46
195阅读
《半监督医学影像分割综述》引言两种不同类型的图像分割问题。相应的语义类对每个像素进行分类，从而给图像中属于这个类的所有对象或区域一个相同的类标签。实例分割试图更进一步，试图区分同一类的不同出现内容提供了半监督SS方法的最新分类以及对它们的描述。对文献中最广泛使用的数据集进行了广泛的最先进的半监督分割方法的实验。讨论了所获得的结果，当前方法的优点和缺点，该领域的挑战和未来的工作方向。背景问题阐述半监
转载
2024-04-02 09:54:39
379阅读
Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results The pipeline of the mean-teacher framework for classification
研究背景随着人工智能技术在医
转载
2024-01-05 20:23:35
660阅读
1评论
文章目录参考资料1. 未标记样本1.1 主动学习1.2 常见假设1.3 半监督学习划分2. 生成式方法3. 半监督SVM4. 基于分歧的方法5. 半监督聚类5.1 Constrained k-means5.2 少量有标记样本 参考资料Machine-learning-learning-notesLeeML-NotesML-NLP 本博客是根据周志华的西瓜书和参考资料1、2、3所做的笔记，主要用于
转载
2024-04-27 16:22:36
124阅读
前言今天要介绍的这篇是将对比学习应用到对话系统的一篇最新paperGALAXY： https://arxiv.org/pdf/2111.14592.pdf废话不多说，直接开始～贡献先给出其贡献点。（1）第一个使用半监督让模型显示学习对话策略的研究。（2）实验结果显示了方法的有效性，其学习到了对话策略。（3）同时利用了有标签数据和无标签数据，给这一领域带来一些启发。对话预训练模型一个任务型对话系统，
Motivations传统的训练方式需要针对不同 domain 的数据分别设计模型，十分繁琐（deploy costs）语义分割数据集标注十分昂贵，费时费力Contributions本文提出的统一模型可以实现跨领域统一训练模型使用少量的标注数据和大量未标注数据（半监督模型）网络架构/方法实现基本结构：一个encoder和n个decoder（decoder数量和domain的数量相同）基本设定：假设
转载
2024-05-11 19:45:32
105阅读
这里提出了一种用于医学图像半监督分割的新方法- RCPS（校正对比伪监督）。通过引入两种校正方法（不确定性估计法和一致性正则化），提高了伪监督模型的性能。实验表明，所提出的 RCPS 大大提高了分割性能，并优于最先进的半监督分割方法。之前也是做医疗的所以关注一下Paper: RCPS: Rectified Contrastive Pseudo Supervision for Semi-S
转载
2024-02-15 17:22:28
98阅读
1.《Semi-Supervised Classification with Graph Convolutional Networks》 作者提出了一种可扩展的方法，用于图形结构数据的半监督学习，该网络是传统卷积算法在图结构数据上的一个变体，可以直接用于处理图结构数据，通过谱图卷积的局部一阶近似来激励卷积结构。模型在图形边缘的数量上进行线性缩放，并学习隐藏层表示，编码图形结构和节点的特征。2 图作
转载
2024-01-10 14:38:19
79阅读
不确定性感知自集成模型Uncertainty-Aware Self-ensembling Model for Semi-supervised 3D Left Atrium Segmentation 医学图像的分割标签需要专业医师标注，获取代价昂贵，而无标签的数据有很多。半监督学习则是将少量有标注的数据和大量无标注的数据直接输入到网络中，构建一致性损失或者多任务学习，达到比单独用有标注数据集更好的结
转载
2024-05-23 12:18:02
101阅读
在实际数据收集的过程中，带标签的数据远远少于未带标签的数据。 我们据需要用带label 和不带label的数据一起进行学习，我们称作半监督学习。Transductive learning：没有标签的数据是测试数据Inductive learning：没有标签的数据不是测试数据 为什么没有标签的数据会帮助我们学习呢？ 是因为没有标签数据的分布可能会告诉我们一些潜在的规律。1.半监督生成模型 Semi
【半监督图像分割 2023 CVPR】UniMatch论文题目：Revisiting Weak-to-Strong Consistency in Semi-Supervised Semantic Segmentation中文题目：重新审视半监督语义分割中的强弱一致性论文链接：https://arxiv.org/abs/2208.09910论文代码：论文团队：发表时间：DOI:引用：Yang L,
半监督学习(SSL)半监督学习(SSL). 让学习器不依赖外界交互、自动地利用未标记样本来提升学习性能. 即在少量样本标签的引导下, 能够充分利用大量无标签样本提高学习性能, 避免了数据资源的浪费, 同时解决了有标签样本较少时监督学习方法泛化能力不强和缺少样本标签引导时无监督学习方法不准确的问题.具体介绍可见相关综述与博客：长文总结半监督学习（Semi-Supervised Learning） -
半监督支持向量机（S3VMs） 今天我们主要介绍SVM分类器以及它的半监督形式S3VM，到这里我们关于半监督学习基础算法的介绍暂时告一段落了。之后小编还会以论文分享的形式介绍一些比较新的半监督学习算法。让我们开始今天的学习吧~引入 支持向量机（SVM）相信大家并不陌生吧？但是如果数据集中有大量无标签数据（如下图b），那么决策边界应该如何去确定呢？仅使用有标签数据学得的决策边界（如下图a）将穿过
转载
2023-11-16 17:30:46
119阅读
文章目录1 背景1.1 基本背景介绍1.2 基本假设2 问题描述2.1 主动学习与半监督学习【使用了未标记数据的学习划分为两种】3 方法介绍3.1 混合模型与EM算法（最大期望算法）3.1.1 GMM的引入单高斯模型（GSM）3.1.2 Gaussian mixture model(GMM)【生成式模型】3.1.3 估计单高斯分布的
转载
2023-12-04 16:46:51
380阅读
文章目录前言一、动机二、Why Distributed Data Parallel？三、大图景（The big picture）四、最小例程与解释五、加上 MultiProcessing六、使用Apex进行混合混合精度训练参考链接 前言Data Parallel 并行运算时，各种原因导致单进程多卡的时候只有一张卡在进行运算在使用 Distributed Data Parallel 时，注意 需要
转载
2024-06-18 19:33:05
65阅读
这里提出了一种用于医学图像半监督分割的新方法- RCPS（校正对比伪监督）。通过引入两种校正方法（不确定性
原创
2024-07-31 12:03:10
92阅读
