VIP20
本课程属于：021-多模态感知算法 AI视觉与工业视觉 · 共 20 门相关课程，组合学习更完整。
查看所属VIP全部课程 →
← 返回所属目录 咨询 / 购买

模态缺失场景下的算法鲁棒性提升

共计 30 章节
点击此处阅读海量试读课程：100+行业、1000+细分领域
01
模态缺失问题概述
什么是模态缺失 · 实际场景中的模态缺失案例 · 模态缺失对模型的影响
模态缺失问题概述什么是模态缺失
02
鲁棒性基础理论
鲁棒性的定义 · 鲁棒性与泛化性的关系 · 鲁棒性评估指标
鲁棒性基础理论鲁棒性的定义
03
数据增强策略
单模态数据增强 · 跨模态数据增强 · 基于生成模型的增强方法
数据增强策略单模态数据增强
04
缺失模态填补技术
均值/零值填补 · 最近邻填补 · 基于矩阵分解的填补
缺失模态填补技术均值
05
生成式填补方法
VAE用于模态填补 · GAN用于模态填补 · 扩散模型用于模态填补
生成式填补方法VAE
06
模态对齐与融合
模态对齐基础 · 早期融合与晚期融合 · 动态融合策略
模态对齐融合
07
注意力机制在鲁棒性中的应用
自注意力与交叉注意力 · 模态缺失下的注意力掩码 · 稀疏注意力机制
注意力机制鲁棒性
08
多任务学习框架
共享表示学习 · 任务特定分支 · 对抗性训练
多任务学习框架共享表示学习
09
元学习与少样本学习
元学习基础 · MAML算法 · 模态缺失下的少样本适应
元学习少样本学习
10
对比学习与模态不变性
SimCLR与MoCo · 跨模态对比学习 · 模态不变性损失函数
对比学习模态不变性
11
知识蒸馏技术
教师-学生框架 · 模态蒸馏 · 特征级蒸馏
知识蒸馏技术教师
12
不确定性估计
贝叶斯神经网络 · 蒙特卡洛Dropout · 不确定性引导的融合
不确定性估计贝叶斯神经网络
13
鲁棒优化方法
对抗训练 · 梯度掩码 · 鲁棒损失函数设计
鲁棒优化方法对抗训练
14
模型集成与投票
Bagging与Boosting · 模态特定专家网络 · 动态权重分配
模型集成投票
15
因果推断与鲁棒性
因果图模型 · 反事实推理 · 干预与去偏
因果推断鲁棒性
16
图神经网络在模态缺失中的应用
图构建 · 消息传递机制 · 缺失节点处理
图神经网络模态缺失
17
Transformer架构的鲁棒性改进
模态设计 · 模态Dropout · 鲁棒位置编码
Transformer架构的鲁棒性改进
18
自监督预训练策略
掩码建模 · 对比预训练 · 多模态预训练模型
自监督预训练策略掩码建模
19
领域自适应与泛化
领域对齐 · 特征解耦 · 模态不变特征学习
领域自适应泛化
20
在线学习与适应
增量学习 · 模态缺失下的在线适应 · 遗忘与记忆机制
线学习适应
21
评估基准与数据集
常用多模态数据集 · 模态缺失模拟策略 · 评估协议设计
评估基准数据集
22
医疗影像中的模态缺失
多模态医疗数据特点 · 缺失模态下的诊断 · 临床案例研究
医疗影像模态缺失
23
自动驾驶中的模态缺失
传感器失效场景 · 多模态感知鲁棒性 · 安全关键决策
自动驾驶模态缺失
24
人机交互中的模态缺失
语音与视觉缺失 · 情感识别鲁棒性 · 交互系统设计
人机交互模态缺失
25
工业异常检测中的模态缺失
多传感器数据 · 缺失模态下的检测 · 实时系统部署
工业异常检测模态缺失
26
模型压缩与边缘部署
量化与剪枝 · 模态缺失下的轻量化 · 边缘推理优化
模型压缩边缘部署
27
可解释性与鲁棒性
特征归因方法 · 模态重要性分析 · 鲁棒性解释
可解释性鲁棒性
28
联邦学习与隐私保护
联邦多模态学习 · 模态缺失下的聚合 · 差分隐私
联邦学习隐私保护
29
前沿研究方向
大语言模型与多模态 · 模态缺失下的推理 · 未来趋势
前沿研究方向大语言模型
30
综合项目实战
问题定义 · 数据准备 · 模型设计
综合项目实战问题定义