Formula-Driven Supervised Learning
PulseAugur coverage of Formula-Driven Supervised Learning — every cluster mentioning Formula-Driven Supervised Learning across labs, papers, and developer communities, ranked by signal.
2 天有情绪数据
-
新的FDSML方法在无真实图像的情况下增强了视觉预训练
研究人员推出了一种名为驱动公式的监督度量学习（FDSML）的新方法，用于在没有真实图像的情况下预训练视觉模型。与先前将预训练视为分类的方法不同，FDSML利用从图像生成参数派生的关系监督。通过使用一个名为FineFractalDB的精炼数据集和参数感知三元组损失，FDSML训练嵌入以反映这些底层参数的相似性排序。该方法在图像检索任务的可迁移性方面显示出显著的改进，在Stanford Online Products和Stanford C…
-
新的FDSML方法可在无真实图像的情况下进行视觉预训练
研究人员开发了驱动公式的监督度量学习（FDSML），一种新颖的视觉预训练方法，无需真实图像。FDSML不依赖离散标签，而是从生成图像的连续参数中获得监督。该方法利用一个名为FineFractalDB的精炼分形数据集和参数感知三元组损失来训练嵌入，这些嵌入尊重图像基于其底层生成参数的相对相似性。实验表明，与之前的驱动公式监督学习技术相比，FDSML在图像检索方面显著提高了性能，并增强了鲁棒性。
-
合成数据框架InsCore预训练工业分割模型
研究人员开发了InsCore，一个用于预训练工业分割任务的视觉基础模型的合成数据生成框架和数据集。该方法解决了真实世界工业数据集的挑战，如领域差异、商业使用限制和资源限制。InsCore采用公式驱动的监督学习构建，专注于遮挡处理，并已证明其性能可与在ImageNet-21k上预训练的模型相媲美，尽管使用的数据量显著减少且不包含真实图像。