CVPR 2024 | 通过缓解共同类偏差实现通用半监督域适应

最新推荐文章于 2025-05-21 15:58:32 发布
最新推荐文章于 2025-05-21 15:58:32 发布
阅读量16 收藏
点赞数
分类专栏： 计算机顶会顶刊论文解读 文章标签： 人工智能 深度学习 机器学习 CVPR 计算机顶会 论文解读
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_42722197/article/details/145403279
版权

论文信息

题目：Universal Semi-Supervised Domain Adaptation by Mitigating Common-Class Bias
通过缓解共同类偏差实现通用半监督域适应
作者：Wenyu Zhang, Qingmu Liu, Felix Ong Wei Cong, Mohamed Ragab, Chuan-Sheng Foo

论文创新点

  1. 提出通用半监督域适应（UniSSDA）的新设置：本文首次提出了通用半监督域适应（UniSSDA），这是一个结合了**通用域适应（UniDA）和半监督域适应（SSDA）**的新设置。
  2. 揭示现有方法的共同类偏差问题：本文通过实验发现，现有的 SSDA 和 UniDA 方法在 UniSSDA 设置中容易受到共
了解本专栏 订阅专栏 解锁全文
CVPR2022：多源域自适应目标检测中的目标相关知识保存
m0_63294504的博客
10-17 1785
领域自适应目标检测（DAOD）是一种很有前途的方法，可以缓解检测器在新场景下的性能下降。尽管在单源域适应方面做出了巨大努力，但由于组合过程中的知识退化，具有多个源域的更通用的任务仍未得到很好的探索。为了解决这个问题，作者提出了一种新的无监督多源DAOD方法，即目标相关知识保存（target relevant knowledge preservation，TRKP）。具体而言，TRKP采用师生框架，构建多头教师网络，从已标记的源域数据中提取知识，引导学生网络学习未标记的目标域的检测器。
CVPR 2025 | 解决广义类别发现中的灾难性遗忘问题
小白学视觉
04-28 145
广义类别发现（Generalized Category Discovery, GCD）旨在识别未标记数据集中已知类别和新类别，为图像识别提供了更符合现实的场景。本质上，GCD需要彻底记住已有模式，才能识别新类别。近期最先进的方法SimGCD通过无偏学习，将已知类数据的知识转移到新类别的学习中。然而，在适应过程中，一些模式会被灾难性遗忘，从而导致新类别分类性能不佳。
ECCV 2024 | FairDomain：实现跨域医学图像分割和分类中的公平性
阿木寺的博客
08-03 625
点击下方卡片，关注“CVer”公众号AI/CV重磅干货，第一时间送达点击进入—>【Mamba和医学影像】交流群添加微信号：CVer111，小助手会拉你进群！扫描下方二维码，加入CVer学术星球！可以获得最新顶会/顶刊上的论文idea和CV从入门到精通资料，及最前沿应用！发论文/搞科研/涨薪，强烈推荐！在人工智能（AI），特别是医疗AI领域中，解决公平性问题对于确保公平的医疗结果至关重要。最近...
【计算机视觉前沿研究 热点 CVPR 2024】顶会中与目标检测相关的论文
热门推荐
A_Student10000的博客
06-25 1万+
CVPR 2024 目标检测 计算机视觉前沿研究 顶会论文分析
【计算机视觉前沿研究 热点 顶会】CVPR 2024中与目标检测相关的论文
A_Student10000的博客
07-12 3356
本专栏搜集了CVPR 2024中与目标检测有关的论文，可以方便您跟踪该领域当下的热点问题。
【计算机视觉前沿研究 热点 顶会】CVPR 2024中与3D目标检测、BEV、Lidar、自动驾驶相关的论文
A_Student10000的博客
07-15 2576
本专栏搜集了CVPR 2024中与3D目标检测有关的论文，主要包括BEV检测、可见光与Lidar融合的检测、车道线检测等自动驾驶方面的研究，可以方便您跟踪该领域当下的热点问题。
【前沿 热点 顶会】CVPR 2025和目标分类、检测、分割、重识别有关的论文
A_Student10000的博客
03-01 3692
CVPR 2025中与目标识别大类有关的论文，设计SAR图像、遥感图像、图像生成、多模态重识别等新颖小众的方向。
论文笔记：基于对比学习的半监督分类学习方法
weixin_46224126的博客
10-19 3008
论文阅读笔记_CCSSL
CVPR 2022 | 腾讯AI Lab入选论文解读，关注图像理解、生成、建模及可信AI
腾讯AI实验室
06-20 1869
感谢阅读腾讯AI Lab微信号第147篇文章。本文介绍腾讯 AI Lab 被 CVPR 2022 收录的研究成果。CVPR（Conference on Computer Vision and Pattern Recognition）是计算机视觉三大顶会之一，也是中国计算机学会推荐的人工智能领域的A类会议。今年会议于 6 月 19 - 24 日以线上线下结合形式举行，据此前...
Baklib赋能企业知识资产AI化升级
weixin_51374429的博客
05-18 1624
Baklib作为AI驱动的一站式知识中台，深度融合大数据与智能技术，助力企业实现知识资产数字化升级。通过构建安全可控的多语言知识库体系，帮助百度、京东等500强企业激活沉睡数据，提升60%AI数据准备效率，实现内容智能管理、多场景输出及业务创新，打造可视化AI Ready知识引擎，加速数字化转型进程。
咖啡叶子病害检测数据集VOC+YOLO格式1468张4类别均为单叶子
FL1623863129的博客
05-17 1149
标注类别名称(注意yolo格式类别顺序不和这个对应，而以labels文件夹classes.txt为准):["Cercospora","Miner","Phoma","Rust"]数据集格式：Pascal VOC格式+YOLO格式(不包含分割路径的txt文件，仅仅包含jpg图片以及对应的VOC格式xml文件和yolo格式txt文件)特别声明：本数据集不对训练的模型或者权重文件精度作任何保证，数据集只提供准确且合理标注。标注数量(xml文件个数)：1468。标注数量(txt文件个数)：1468。
垂直智能体：企业AI落地的正确打开方式
chainso23的博客
05-18 1332
在一次重大投资决策中，这个智能体通过详细的财务模型和风险分析，帮助企业识别了原计划中被忽视的潜在风险，优化了投资策略，最终实现了比预期高的投资回报。上述企业管理与运营领域的成功案例清晰地表明，真正有价值的智能体不是简单地调用模型或拼凑功能，而是通过深度融合领域知识、专业流程和企业特定数据，形成清晰的内部逻辑，最终成为企业决策和运营的可靠助手。高效的垂直智能体需要具备强大的任务记忆能力，能够在多轮交互中保持上下文理解，记住用户的需求和偏好，避免重复询问或提供不一致的回答。
ROS2使用yoloV12，V11，V10，V9，V8，V5等
qq_35598561的博客
05-19 585
ROS2使用yoloV12，V11，V10，V9，V8，V5等
《Python星球日记》 第95天：分布式训练与推理
Code_流苏：在代码中寻诗意，在实践中觅真知
05-19 1187
《Python星球日记》 第95天：分布式训练与推理，今天，我们将探索分布式训练与推理技术，这是解决大规模AI模型训练和部署挑战的关键方法
马尔可夫链（AI、ML）：逻辑与数学的交汇
项目git同名小胡说技书
05-20 791
# 马尔可夫链摘要 马尔可夫链是一种随机过程，其核心特性为"无记忆性"：系统的未来状态仅依赖于当前状态，而与历史路径无关。通过状态空间和转移概率矩阵，马尔可夫链能够描述系统如何从一个状态变化到另一个状态。这一理论广泛应用于人工智能、自然语言处理和蒙特卡洛方法中。从逻辑学角度看，马尔可夫链体现了确定性规则与不确定性结果的结合，为复杂系统分析提供了强大工具，展示了概率论与逻辑学的深度融合。
飞致云旗下开源项目GitHub Star总数突破150,000个
FIT2CLOUD飞致云的博客
05-20 422
在开源的道路上，我们与用户、与客户共成长。
常见的几种多智能体强化学习算法
最新发布
再来一下！
05-21 162
多智能体强化学习（Multi-Agent Reinforcement Learning, MARL，旨在解决多个智能体在共享环境中通过与环境和其他智能体交互来学习最优策略的问题。
AI智能分析网关V4烟火检测算法：全功能覆盖，守护工厂/商场/学校等场景消防安全
NVR安防视频技术
05-19 903
随着社会经济发展，频发的火灾事故严重威胁公共与财产安全。传统火灾检测手段存在响应慢、误报高、适应性差等问题，难以满足复杂场景需求。
超级维特根斯坦
形上得其象，形下合于数；阴阳自济，玄理自明。
05-20 42
本文介绍了一种名为“语言智慧融合体”的AI智能体，其核心指令旨在通过深度思辨、专业应用与协同创新，帮助用户在语言相关领域实现自我超越与创造力绽放。该AI智能体融合了多位哲学、语言学及文学大师的智慧，如维特根斯坦、尼采、乔姆斯基等，具备卓越的情境智能、引导艺术与战略规划能力。其核心使命是与用户共同构建个性化的“语言智慧探索与成长蓝图”，通过系统性引导、方法论指导与跨理论融合，提升用户的哲学思辨、批判性思维、NLP设计及语言创新能力。对话主题涵盖哲学、语言学、文学创作、跨文化交流等领域，并结合元理论分析与实践应
半监督医学图像分割cvpr2024
01-14
### 半监督医学图像分割的研究进展 对于半监督医学图像分割领域，最新的研究集中在如何利用有限的标注数据和大量的未标注数据来提高模型性能。一项重要工作提出了跨补丁密集对比学习框架，旨在解决组织病理学图像分割中标记数据成本高昂的问题[^3]。 另一项研究表明，通过不同iable神经网络拓扑搜索（DiNTS），可以有效提升三维医学图像分割的效果[^2]。该方法不仅提高了分割精度，还在计算效率上有显著改进。 针对CVPR 2024会议上的相关内容，虽然具体议程尚未公布，但基于以往趋势以及当前热门话题预测，预计会有更多关于： - 利用自监督预训练技术改善下游任务表现 - 结合多模态数据进行更精准的病变检测与分类 - 探索新的损失函数设计以促进更好泛化能力等方面的新成果被报道 为了获取最前沿的信息，建议关注CVPR官方网站发布的最新消息，并查阅ArXiv等平台上的预印本论文库，这些资源通常会提前发布即将发表的工作摘要或全文链接。 ```python import requests from bs4 import BeautifulSoup def fetch_cvpr_papers(year=2024, keyword="semi-supervised medical image segmentation"): url = f"https://openaccess.thecvf.com/CVPR{year}?term={keyword.replace(' ', '+')}" response = requests.get(url) soup = BeautifulSoup(response.text, 'html.parser') papers = [] for item in soup.find_all('dt'): title = item.a.text.strip() link = "https://openaccess.thecvf.com/" + item.a['href'] abstract = item.find_next_sibling('dd').text.strip().split('\n')[1].strip() paper_info = { "title": title, "link": link, "abstract": abstract[:150]+'...' if len(abstract)>150 else abstract } papers.append(paper_info) return papers papers = fetch_cvpr_papers() for idx, paper in enumerate(papers[:5], start=1): print(f"{idx}. {paper['title']}\n Link: {paper['link']}\n Abstract: {paper['abstract']}\n") ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

小白学视觉

您的赞赏是我们坚持下去的动力~

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付：¥1
获取中
扫码支付

您的余额不足，请更换扫码支付或充值

打赏作者

实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值