일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | ||||
4 | 5 | 6 | 7 | 8 | 9 | 10 |
11 | 12 | 13 | 14 | 15 | 16 | 17 |
18 | 19 | 20 | 21 | 22 | 23 | 24 |
25 | 26 | 27 | 28 | 29 | 30 | 31 |
Tags
- shrinkmatch paper
- tent paper
- mme paper
- Meta Pseudo Labels
- mocov3
- CGAN
- simclrv2
- Pseudo Label
- semi supervised learnin 가정
- ConMatch
- CoMatch
- Pix2Pix
- adamatch paper
- 백준 알고리즘
- Entropy Minimization
- conjugate pseudo label paper
- dann paper
- 컴퓨터구조
- 딥러닝손실함수
- 최린컴퓨터구조
- GAN
- BYOL
- dcgan
- cifar100-c
- SSL
- WGAN
- UnderstandingDeepLearning
- CycleGAN
- shrinkmatch
- remixmatch paper
Archives
- Today
- Total
목록conjugate pseudo label paper (1)
Hello Data

해당 논문은 기존의 Tent 논문에서 사용한 Cross Entropy에 대하여 왜 성능이 좋은지에 대해 이론적으로 설명하는 논문이다. 완벽하게 이해하기는 어려웠지만 최대한의 이해를 담았고 조금씩 수정해나가려고한다.https://arxiv.org/pdf/2207.09640.pdf Introduction실제 세계에서의 가능한 모든 distribution shift에 대해서 훈련과정에서 준비하는 것은 불가능하기 때문에, Training 때는 source 데이터로 훈련하고 Test 때는 들어온 input에 대해 잘 adapt토록 하는 것이 Test time Adaption이다(Test Time Training이라고 해도 무방할 거 같다. 세팅에서 약간의 차이는 있을 수 있지만 사소한 거 같다). Test 때 들..
Test Time Adaption
2024. 2. 11. 01:33