論文の概要: LAMDA-SSL: Semi-Supervised Learning in Python

• arxiv url: http://arxiv.org/abs/2208.04610v1
• Date: Tue, 9 Aug 2022 09:06:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-10 12:49:40.413302
• Title: LAMDA-SSL: Semi-Supervised Learning in Python
• Title（参考訳）: LAMDA-SSL: Pythonでの半教師付き学習
• Authors: Lin-Han Jia, Lan-Zhe Guo, Zhi Zhou, Yu-Feng Li
• Abstract要約: LAMDA-SSLはGitHubでオープンソース化されており、その詳細な使用法ドキュメントはhttps://ygzwqzd.github.io/LAMDA-SSL/で公開されている。 このドキュメントは、LAMDA-SSLツールキットとSSLアルゴリズムでユーザを慣れさせるコストを大幅に削減します。
• 参考スコア（独自算出の注目度）: 56.14115592683035
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: LAMDA-SSL is open-sourced on GitHub and its detailed usage documentation is available at https://ygzwqzd.github.io/LAMDA-SSL/. This documentation introduces LAMDA-SSL in detail from various aspects and can be divided into four parts. The first part introduces the design idea, features and functions of LAMDA-SSL. The second part shows the usage of LAMDA-SSL by abundant examples in detail. The third part introduces all algorithms implemented by LAMDA-SSL to help users quickly understand and choose SSL algorithms. The fourth part shows the APIs of LAMDA-SSL. This detailed documentation greatly reduces the cost of familiarizing users with LAMDA-SSL toolkit and SSL algorithms.
• Abstract（参考訳）: LAMDA-SSLはGitHubでオープンソース公開されている。 このドキュメンテーションでは、様々な側面からLAMDA-SSLを詳細に紹介し、4つの部分に分けられる。 最初のパートでは、LAMDA-SSLの設計アイデア、機能、機能を紹介します。 第2部では、LAMDA-SSLの使用例を詳しく説明している。 第3部では、ユーザがSSLアルゴリズムを素早く理解し、選択できるように、LAMDA-SSLによって実装されたすべてのアルゴリズムを紹介している。 第4部は、LAMDA-SSLのAPIを示している。 この詳細なドキュメントは、LAMDA-SSLツールキットとSSLアルゴリズムでユーザを慣れさせるコストを大幅に削減します。

関連論文リスト

• A Survey on Self-supervised Learning: Algorithms, Applications, and Future Trends [82.64268080902742]
  自己教師付き学習(SSL)は、ラベル付きラベルを頼らずにラベル付きデータから識別的特徴を学習することを目的としている。 SSLは最近大きな注目を集め、多くの関連するアルゴリズムの開発に繋がった。 本稿では,アルゴリズム的側面,アプリケーション領域,3つの重要なトレンド,オープンな研究課題を含む,多様なSSL手法のレビューを行う。
  論文  参考訳（メタデータ） (2023-01-13T14:41:05Z)
• OpenLDN: Learning to Discover Novel Classes for Open-World Semi-Supervised Learning [110.40285771431687]
  半教師付き学習(SSL)は、教師付き学習のアノテーションボトルネックに対処する主要なアプローチの1つである。 最近のSSLメソッドは、ラベルなしデータの大規模なリポジトリを有効活用して、ラベル付きデータの小さなセットに依存しながら、パフォーマンスを向上させることができる。 この研究は、ペアワイズ類似度損失を利用して新しいクラスを発見するOpenLDNを導入している。
  論文  参考訳（メタデータ） (2022-07-05T18:51:05Z)
• Open-Domain Sign Language Translation Learned from Online Video [32.89182994277633]
  オンラインビデオサイトから収集した大規模ASL- EnglishデータセットであるOpenASLを紹介する。 OpenASLには200人以上の署名者から、さまざまなドメインで288時間のASLビデオが含まれている。 本稿では,手形と手形の特徴の事前学習と融合のためのプレテキストタスクとして手形検索を含む一連の手法を提案する。
  論文  参考訳（メタデータ） (2022-05-25T15:43:31Z)
• Sound and Visual Representation Learning with Multiple Pretraining Tasks [104.11800812671953]
  自己管理タスク(SSL)は、データと異なる特徴を明らかにする。 この作業は、下流のすべてのタスクをうまく一般化する複数のSSLタスク(Multi-SSL)を組み合わせることを目的としている。 音響表現の実験では、SSLタスクのインクリメンタルラーニング(IL)によるマルチSSLが、単一のSSLタスクモデルより優れていることが示されている。
  論文  参考訳（メタデータ） (2022-01-04T09:09:38Z)
• How Self-Supervised Learning Can be Used for Fine-Grained Head Pose Estimation? [2.0625936401496237]
  SSLはどのようにしてヘッドポーズ推定に使えるのか? SSLプリテキストタスクとしてジグソーパズリングとローテーションの修正版が使用されている。 HTML メソッドによる誤り率の 11% を SL と比較した。
  論文  参考訳（メタデータ） (2021-08-10T19:34:45Z)
• End-to-end Generative Zero-shot Learning via Few-shot Learning [76.9964261884635]
  ゼロショット学習(ZSL)の最先端アプローチでは、生成ネットをトレーニングし、提供されたメタデータに条件付きサンプルを合成する。 本稿では,このような手法をバックボーンとして使用し,合成した出力をFew-Shot Learningアルゴリズムに供給するエンドツーエンド生成ZSLフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-02-08T17:35:37Z)
• Interventional Few-Shot Learning [88.31112565383457]
  本稿では,新しいFew-Shot Learningパラダイム,Interventional Few-Shot Learningを提案する。 コードはhttps://github.com/yue-zhongqi/ifsl.comで公開されている。
  論文  参考訳（メタデータ） (2020-09-28T01:16:54Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。