- 博客(2)
- 收藏
- 关注
RSS订阅原创 基于查询的目标检测增强训练选择性查询回忆(SQR)--笔记
在严格的约束条件下，TP衰落率达到了一个非常高的水平。具体而言，是通过6阶段的对应的TP地面真实值，然后反观1-5阶段的输出是否具有更高对应地面真实值的 IoU & category score，如果有则称之为（TP fading rate） ，不仅如此，还对比(FP)，如果 1-5阶段的输出有更低的fp值，则称之为（FP exacerbation rate）。：提出两种算法，dqr 和 sqr的区别在于是否有选性的将上个阶段的可监督对象的查询向量结合当前的输出结果作为下一decoding的input。
2024-08-11 22:16:06
633
原创 针对少量样本难确保template被很好地优化的解决方案(PPT)
另外论文中还给出了四种微调方案，如下图所示，[a]展示了模型的预训练过程，[b]和[c]展示了两种主流的Fine-Tuning方法（前文已经介绍过），[d]展示了提示学习( Prompt Tuning, PT )方法，具体可参考2022年清华大学发表的《PPT: Pre-trained Prompt Tuning for Few-shot Learning》、小样本学习：Pre-trained Prompt Tuning for Few-shot Learning，Prompt 如何更好地应用于工业界？
2024-07-19 00:14:00
799
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人