特斯联AI研发突破（2）：用于视觉任务中无监督域调谐的类别对比

损失：相同并不一定的取样被拉近而完全相同并不一定的取样被推远。这共存不会激发完全符合 UDA 要能的，不具备并不一定也就是说气的但反之亦然也就是说的总括。

在并不一定潜意识和反之亦然混搭注解以及并不一定对比巨大损失变数的应当用下，所重申有的并不一定对比通过三个理想的相似性来化解UDA 关键时刻：1）透过并不一定潜意识注解其设计，同时成比例并不一定内变化并成比例并不一定有数距离；2）依靠同时都有非同反之亦然取样和要能反之亦然取样的混搭反之亦然注解其设计同时做到了反之亦然有数和反之亦然内相反；3）依靠并不一定最大限度注解其设计有效地缓和了图表最大限度疑问，使得在修习反复里均匀计算所有并不一定的对比巨大损失。

大量物理结果断定并不一定对比新方法塑造优异效率 一个团队回馈了其物理结果，分为以下几个维度。

形式化能气：一个团队通过评估CaCo在多个基础感官UDA应当用，即重叠、验证和界定，里的效率优点来分析它的形式化能气。物理结果推测CaCo始终塑造出有了与理论上最新技术的新方法较为的效率。

有序能气：一个团队探究了CaCo与现阶段的UDA新方法融为一体的协同优势。这断定当转入 CaCo 时，可以在完全相同的感官战斗任务里明确地改进所有现阶段新方法。

与现阶段的无都由总括修习新方法对比：一个团队将CaCo与无都由总括修习新方法用做UDA战斗任务以顺利进行对比。大多数现阶段的新方法通过某些前置战斗任务做到了无都由总括修习，都是比如说对比修习、平面图形块依序（patch ordering）、垂直预测和降噪/上下文/着色自编码器器。在UDA战斗任务GTA→Cityscapes上顺利进行的物理推测了现阶段的无都由总括修习广泛应当用UDA战斗任务时优点不理想。主要原因是这些新方法是针对修习可用做也就是说比如说的总括（instance-discriminative representations）而其设计的，并不不会考虑到语义真值和反之亦然有数隙（domain gaps）。CaCo也被用做顺利进行无都由修习，广泛应当用UDA时不够有效地，太大以往上是因其修习了不具备并不一定也就是说气且反之亦然也就是说的总括，而这些总括对于多种感官UDA战斗任务是至关重要的。

参数分析：参数M（在重申有的CaCo里）控制了界定型注解的有数隔（或者说形状）。一个团队将M从50逐渐调至150，对其顺利进行了分析。在UDA重叠战斗任务GTA-to-Cityscapes上顺利进行的物理推测了M在50至150有数顺利进行调整时，对UDA的阻碍不一定微小。

完全相同修习并不一定里的形式化：一个团队从修习并不一定的角度分析了所重申有的CaCo的可扩展性。具体而言，一个团队把CaCo广泛应当用多种涉及无字句图表修习和某些语义真值的战斗任务，如无都由数学模型二阶和半解禁集/解禁集UDA，并对其顺利进行评估。结果推测CaCo的可以稳妥塑造与理论上最新技术的新方法较为的效率。

并不一定潜意识注解:一个团队分析了重申有的并不一定潜意识注解的3种变体其设计: 1) 为所有的化学键调配举例来说的温度参数；2）（对于非同图表和要能图表）采用两个分立的注解而不是一个另行的反之亦然混搭注解；3）采用内存库或理论上试验性（current mini-batch）来不够新注解。物理证实了其设计的在技术上。

总体而言，邵岭Clark及一个团队重申有了一种并不一定对比新方法CaCo，该新方法过渡到了统一标准的并不一定对比巨大损失变数（generic category contrastive loss），可有效地用做多种感官UDA战斗任务。一个团队用来自非同反之亦然和要能反之亦然的取样相结合了一个语义潜意识注解，反之亦然里的每一个要能取样都根据非同反之亦然取样的并不一定真值被调配了一个（所谓）并不一定字句。这使得（要能化学键入和并不一定级的注解有数的）并不一定对比修习可以修习不具备并不一定也就是说气且反之亦然也就是说的总括：同并不一定的取样（无论是来自于非同反之亦然或者要能反之亦然）不会被拉近而完全相同并不一定的取样被同时推远。在多种感官战斗任务（例如重叠、界定和验证）里顺利进行的大量物理推测另行采用CaCo就可以塑造出有与理论上最新技术的新方法较为的效率。另外，物理也推测CaCo可以与现阶段的UDA新方法有序，也可以二阶至其他的修习并不一定，如无都由数学模型二阶、解禁/半解禁集反之亦然二阶等。

。

南京男科挂号
长沙看白癜风去哪看
成都试管婴儿医院怎么样
成都试管婴儿检查
云南男科医院哪个专业