ترجمه فارسی مقاله نظرسنجی در مورد افزایش مخلوط و فراتر از آن

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

پرداخت اقساطی
در صورت خرید اقساطی هر قسط: 37,500 تومان
۴ قسط ماهانه. بدون سود، چک و ضامن.
پرداخت اقساطی با دیجی‌پی پرداخت اقساطی با ترب‌پی
عنوان مقاله به انگلیسی A Survey on Mixup Augmentations and Beyond
عنوان مقاله به فارسی نظرسنجی در مورد افزایش مخلوط و فراتر از آن
نویسندگان Xin Jin, Hongyu Zhu, Siyuan Li, Zedong Wang, Zicheng Liu, Chang Yu, Huafeng Qin, Stan Z. Li
فرمت مقاله انگلیسی PDF
تعداد صفحات 30
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Machine Learning,Artificial Intelligence,Computer Vision and Pattern Recognition,یادگیری ماشین , هوش مصنوعی , چشم انداز رایانه و تشخیص الگوی ,
توضیحات Submitted 8 September, 2024; originally announced September 2024. , Comments: Preprint V1 with 27 pages main text. Online project at https://github.com/Westlake-AI/Awesome-Mixup
توضیحات به فارسی ارسال شده در 8 سپتامبر 2024 ؛در ابتدا در سپتامبر 2024 اعلام شد ، نظرات: Preprint V1 با 27 صفحه متن اصلی.پروژه آنلاین در https://github.com/westlake-ai/Awesome-mixup
اطلاعات بیشتر از این مقاله در پایگاه های علمی INSPIRE HEP
NASA ADS
Google Scholar
Semantic Scholar

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

As Deep Neural Networks have achieved thrilling breakthroughs in the past decade, data augmentations have garnered increasing attention as regularization techniques when massive labeled data are unavailable. Among existing augmentations, Mixup and relevant data-mixing methods that convexly combine selected samples and the corresponding labels are widely adopted because they yield high performances by generating data-dependent virtual data while easily migrating to various domains. This survey presents a comprehensive review of foundational mixup methods and their applications. We first elaborate on the training pipeline with mixup augmentations as a unified framework containing modules. A reformulated framework could contain various mixup methods and give intuitive operational procedures. Then, we systematically investigate the applications of mixup augmentations on vision downstream tasks, various data modalities, and some analysis \& theorems of mixup. Meanwhile, we conclude the current status and limitations of mixup research and point out further work for effective and efficient mixup augmentations. This survey can provide researchers with the current state of the art in mixup methods and provide some insights and guidance roles in the mixup arena. An online project with this survey is available at \url{https://github.com/Westlake-AI/Awesome-Mixup}.

چکیده به فارسی (ترجمه ماشینی)

از آنجا که شبکه های عصبی عمیق در دهه گذشته به پیشرفت های هیجان انگیز رسیده اند ، افزایش داده ها توجه بیشتری را به عنوان تکنیک های منظم در صورت عدم دسترسی به داده های گسترده جلب کرده اند.در میان تقویت های موجود ، مخلوط کردن و روشهای مربوط به مخلوط کردن داده ها که به صورت محدب نمونه های منتخب را ترکیب می کنند و برچسب های مربوطه به طور گسترده اتخاذ می شوند زیرا با تولید داده های مجازی وابسته به داده ها در حالی که به راحتی به حوزه های مختلف مهاجرت می کنند ، عملکردهای بالایی دارند.این نظرسنجی یک بررسی جامع از روشهای مخلوط بنیادی و کاربردهای آنها را ارائه می دهد.ما ابتدا در مورد خط لوله آموزش با تقویت مخلوط به عنوان یک چارچوب یکپارچه حاوی ماژول ها توضیح می دهیم.یک چارچوب اصلاح شده می تواند حاوی روشهای مختلف مخلوط و روشهای عملیاتی بصری باشد.سپس ، ما به طور سیستماتیک کاربردهای تقویت مخلوط در کارهای پایین دست بینایی ، روشهای مختلف داده و برخی از تجزیه و تحلیل ها و قضیه های مخلوط را بررسی می کنیم.در همین حال ، ما وضعیت فعلی و محدودیت های تحقیقات مخلوط را نتیجه می گیریم و به کار بیشتر برای تقویت مخلوط مؤثر و کارآمد اشاره می کنیم.این نظرسنجی می تواند وضعیت فعلی هنر را در روشهای مخلوط به محققان ارائه دهد و بینش و نقشهای راهنمایی را در عرصه مخلوط ارائه دهد.یک پروژه آنلاین با این نظرسنجی در \ url {https://github.com/westlake-ai/awesome-mixup} در دسترس است.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.