列舉一些常見(jiàn)的數(shù)據(jù)問(wèn)題以及解決方案

其次，有些數(shù)據(jù)集，和很多原因有關(guān)，無(wú)論是訓(xùn)練集還是測(cè)試集，準(zhǔn)確率可能都只是在六七十甚至更低，我們其實(shí)無(wú)法苛求模型能達(dá)到更好的水平。

2022-11-09 標(biāo)簽：數(shù)據(jù)集 2826 0

利用Transformer和CNN 各自的優(yōu)勢(shì)以獲得更好的分割性能

概述 在這篇論文中，提出了一種新的醫(yī)學(xué)圖像分割混合架構(gòu)：PHTrans，它在主要構(gòu)建塊中并行混合 Transformer 和 CNN，分別從全局和局部特...

2022-11-05 標(biāo)簽：數(shù)據(jù)集cnnTransformer 7289 0

摘要模型理解或捕獲輸入文本的要點(diǎn)

Abstract Intro ? 盡管基于預(yù)訓(xùn)練的語(yǔ)言模型的摘要取得了成功，但一個(gè)尚未解決的問(wèn)題是生成的摘要并不總是忠實(shí)于輸入文檔。造成不忠實(shí)問(wèn)題的原因...

2022-11-01 標(biāo)簽：編碼器語(yǔ)言模型數(shù)據(jù)集 1221 0

普通視覺(jué)Transformer（ViT）用于語(yǔ)義分割的能力

本文探討了普通視覺(jué)Transformer（ViT）用于語(yǔ)義分割的能力，并提出了SegViT。以前基于ViT的分割網(wǎng)絡(luò)通常從ViT的輸出中學(xué)習(xí)像素級(jí)表示。...

2022-10-31 標(biāo)簽：計(jì)算機(jī)視覺(jué)數(shù)據(jù)集Transformer 5772 0

基于VLP模型的語(yǔ)義對(duì)齊機(jī)制

在本文中，我們利用圖像描述模型提出一個(gè)新穎的探針?lè)椒āＭㄟ^(guò)這個(gè)方法，我們從文本角度分析了VLP模型的語(yǔ)義對(duì)齊機(jī)制。我們發(fā)現(xiàn)現(xiàn)有的VLP模型在對(duì)齊方面有明...

2022-10-28 標(biāo)簽：模型數(shù)據(jù)集 1548 0

TOIST借助COCO掩碼將問(wèn)題擴(kuò)展到實(shí)例分割問(wèn)題實(shí)現(xiàn)更精細(xì)的定位

歸功于大規(guī)模視覺(jué)語(yǔ)言模型，名詞指代表達(dá)理解模型已經(jīng)取得了巨大的進(jìn)展。然而，在像智能服務(wù)機(jī)器人這樣的現(xiàn)實(shí)交互中，系統(tǒng)輸入通常較為隱晦(比如舒服得坐下這樣的...

2022-10-27 標(biāo)簽：機(jī)器人模型數(shù)據(jù)集 946 0

MRC和QA中使用的思想方法在信息抽取任務(wù)中的應(yīng)用

主要的評(píng)測(cè)標(biāo)準(zhǔn)有常見(jiàn)的準(zhǔn)確率P、召回率R和F1值。在上述四個(gè)任務(wù)的前三個(gè)中，使用P、R、F1可以滿足要求。

2022-10-25 標(biāo)簽：模型數(shù)據(jù)集 1346 0

用于模型評(píng)估和選擇的常見(jiàn)方法

機(jī)器學(xué)習(xí)已經(jīng)成為我們生活的中心，無(wú)論是作為消費(fèi)者、客戶(hù)、研究者還是從業(yè)人員。

2022-10-25 標(biāo)簽：模型機(jī)器學(xué)習(xí)數(shù)據(jù)集 873 0

基于溫度數(shù)據(jù)集的時(shí)間序列預(yù)測(cè)實(shí)戰(zhàn)

本文主要介紹時(shí)間序列預(yù)測(cè)并描述任何時(shí)間序列的兩種主要模式(趨勢(shì)和季節(jié)性)。并基于這些模式對(duì)時(shí)間序列進(jìn)行分解。最后使用一個(gè)被稱(chēng)為Holt-Winters季...

2022-10-24 標(biāo)簽：python數(shù)據(jù)集 2010 0

利用基本分類(lèi)框架來(lái)執(zhí)行廣泛的圖像合成任務(wù)

介紹一篇關(guān)于概率生成模型非常有意思的工作，保持了Aleksander Madry一如既往的風(fēng)格。

2022-10-24 標(biāo)簽：模型機(jī)器學(xué)習(xí)數(shù)據(jù)集 629 0

第一個(gè)大規(guī)模點(diǎn)云的自監(jiān)督預(yù)訓(xùn)練MAE算法Voxel-MAE

Voxel-MAE證明了對(duì)大規(guī)模點(diǎn)云進(jìn)行基于掩碼的自監(jiān)督預(yù)訓(xùn)練學(xué)習(xí)，來(lái)提高無(wú)人車(chē)的感知性能是可行的。KITTI、nuScenes、Waymo數(shù)據(jù)集上，S...

2022-10-21 標(biāo)簽：編碼器激光雷達(dá)數(shù)據(jù)集 4551 0

基于BIO序列標(biāo)注的方法和基于片段的圖解析方法

該論文的出發(fā)點(diǎn)是將端到端基于片段的（span-based）語(yǔ)義角色標(biāo)注（SRL）轉(zhuǎn)換為基于詞的（word-based）圖解析（graph parsing）任務(wù)。

2022-10-21 標(biāo)簽：BIO數(shù)據(jù)集nlp 3385 0

groupby功能的大多數(shù)用例

groupby是Pandas在數(shù)據(jù)分析中最常用的函數(shù)之一。它用于根據(jù)給定列中的不同值對(duì)數(shù)據(jù)點(diǎn)(即行)進(jìn)行分組，分組后的數(shù)據(jù)可以計(jì)算生成組的聚合值。 如果...

2022-10-20 標(biāo)簽：函數(shù)數(shù)據(jù)分析數(shù)據(jù)集 1274 0

如何充分挖掘預(yù)訓(xùn)練視覺(jué)-語(yǔ)言基礎(chǔ)大模型的更好零樣本學(xué)習(xí)能力

因此，合適的prompt對(duì)于模型的效果至關(guān)重要。大量研究表明，prompt的微小差別，可能會(huì)造成效果的巨大差異。研究者們就如何設(shè)計(jì)prompt做出了各種...

2022-10-19 標(biāo)簽：模型數(shù)據(jù)集Clip 1769 0

基于異常檢測(cè)的模型表現(xiàn)對(duì)比

但這種分類(lèi)方式常因?yàn)樯舷挛亩x邊界模糊，導(dǎo)致集體異常值和上下文異常值的定義邊界也模糊。上下文異常值的上下文在不同文獻(xiàn)中通常非常不同。

2022-10-18 標(biāo)簽：函數(shù)模型數(shù)據(jù)集 2252 0

機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用

在本章中，我們將討論機(jī)器學(xué)習(xí)技術(shù)在圖像處理中的應(yīng)用。首先，定義機(jī)器學(xué)習(xí)，并學(xué)習(xí)它的兩種算法——監(jiān)督算法和無(wú)監(jiān)督算法；其次，討論一些流行的無(wú)監(jiān)督機(jī)器學(xué)習(xí)技...

2022-10-18 標(biāo)簽：圖像處理機(jī)器學(xué)習(xí)數(shù)據(jù)集 2724 0

文本噪聲標(biāo)簽在預(yù)訓(xùn)練語(yǔ)言模型（PLMs）上的特性

數(shù)據(jù)的標(biāo)簽錯(cuò)誤隨處可見(jiàn)，如何在噪聲數(shù)據(jù)集上學(xué)習(xí)到一個(gè)好的分類(lèi)器，是很多研究者探索的話題。在 Learning With Noisy Labels 這個(gè)大...

2022-10-12 標(biāo)簽：噪聲語(yǔ)言模型數(shù)據(jù)集 1384 0

多尺度多方法組合的網(wǎng)約車(chē)需求預(yù)測(cè)方法研究

一般的循環(huán)神經(jīng)網(wǎng)絡(luò)，如RNN通常會(huì)因?yàn)闀r(shí)間相隔較遠(yuǎn)之間的依賴(lài)問(wèn)題難以學(xué)習(xí)，LSTM 通過(guò)對(duì)輸入信息進(jìn)行門(mén)控處理，很好地解決了時(shí)間序列數(shù)據(jù)長(zhǎng)期依賴(lài)問(wèn)題。L...

2022-10-11 標(biāo)簽：數(shù)據(jù)集決策樹(shù) 2260 0

利用隨機(jī)森林進(jìn)行特征重要性評(píng)估

隨機(jī)森林是以決策樹(shù)為基學(xué)習(xí)器的集成學(xué)習(xí)算法。隨機(jī)森林非常簡(jiǎn)單，易于實(shí)現(xiàn)，計(jì)算開(kāi)銷(xiāo)也很小，更令人驚奇的是它在分類(lèi)和回歸上表現(xiàn)出了十分驚人的性能，因此，隨機(jī)...

2022-10-10 標(biāo)簽：RF數(shù)據(jù)集 2536 0