无监督数据增强:无监督数据增强的非官方PyTorch实现 源码
UDA:无监督数据增强 非非官方PyTorch实现。 需要对文本数据集进行实验。 任何请求请求将不胜感激。 SVHN,使用AutoAugment的Imagenet的增强策略无法公开获得。 我们使用策略。 大多数代码来自 。 介绍 去做。 跑 $ python train.py -c confs/wresnet28x2.yaml --unsupervised 实验 Cifar10(精简版4k数据集) 复制纸的结果 WResNet 28x2 纸 我们的融合(Top1错误) 我们最好的(Top1错误) 监督下 20.26 21.30 自动扩音 14.1 * 15.4 13.4
用户评论
推荐下载
-
通过无监督随机图分区发现视频镜头类别
视频镜头通常被视为从视频中检索信息的基本元素。 近年来,视频拍摄分类已受到越来越多的关注,但是大多数方法都涉及监督学习的过程,即在标记的数据上训练多类预测器(分类器)。 在本文中,我们研究了一种无监督
6 2021-03-29 -
经典无监督特征选择算法LaplacianScore算法matlab代码
特征选择是机器学习的一个重要领域,改代码是经典无监督特征选择算法LaplacianScore算法matlab代码
74 2019-09-15 -
通过正则化自我表示进行无监督特征选择
通过去除不相关和多余的特征,特征选择旨在找到具有良好泛化能力的原始特征的紧凑表示。 随着无标签数据的普及,无监督特征选择已显示出可有效减轻维数的诅咒,对于全面分析和理解无标签高维数据的无数至关重要,这
17 2021-04-07 -
Python MUNIT多模式无监督图像到图像转换
MUNIT: 多模式无监督图像到图像转换
7 2020-07-30 -
无监督显着性SAR图像变化检测
本文提出了一种新的无监督显着性合成Kong径雷达(SAR)图像变化检测方法。 图像的显着区域始终是有区别的,并且与其他区域不同,这使得它们很容易被注意到。 局部区域的强烈视觉对比度使显着性适合于指导S
16 2021-04-04 -
Python ULNNO无监督学习神经网络输出
ULNNO-无监督学习神经网络输出; 本文提出了一种新的零基础的学习方法, 来自 ImageNet fall2011 上最先进的成果
16 2020-08-09 -
使用监督DPE模型进行图片增强修正版.zip
使用详情见本人博客【深度学习模型训练】使用DPEDDPE模型进行图片增强
18 2019-07-29 -
数据增强pytorch源码天气数据四分类问题
数据增强pytorch源码,天气数据四分类问题
7 2021-02-26 -
颜色分类leetcode ufldl:无监督特征学习和深度学习教程的实现
颜色分类leetcode无监督特征学习和深度学习UFLDL教程和(2016)练习的解决方案。由于大小限制,某些文件无法上传。请从教程网站下载它们。练习1:稀疏自编码器以下文件是本练习的核心:
0 2024-10-05 -
spark foundation task2无监督机器学习进行预测源码
spark-foundation-task2 无监督机器学习进行预测
3 2021-04-25
暂无评论