基于互信息的广义类别发现,旨在通过最大化互信息来解决广义范畴发现问题。该项目探索参数损失函数族,以评估特征和标签之间的互信息,并自动寻找最大化预测性能的损失函数。引入肘部最大质心移位(Emacs)技术,可以估计未标记集合中的类数,并在多个GCD场景下展现出通用性和竞争力,尤其在处理细粒度分类问题时表现出显著优势。
Mutual Information-Based GCD的特点:
1. 探索参数损失函数族以评估特征和标签之间的互信息
2. 自动寻找最大化预测性能的损失函数
3. 引入肘部最大质心移位(Emacs)技术来估计未标记集合中的类数
4. 在多个GCD场景下表现出通用性和竞争力
5. 在处理细粒度分类问题时具有显著优势
Mutual Information-Based GCD的功能:
1. 使用提供的代码实现广义类别发现任务
2. 通过调整参数损失函数来优化模型性能
3. 利用Emacs技术估计数据集中的类数
相关推荐
暂无评论...