近两年顶级会议上关于Distance Metric Learning的paper清单

最新推荐文章于 2021-11-09 20:27:30 发布
最新推荐文章于 2021-11-09 20:27:30 发布
阅读量1.1w 收藏 19
点赞数 1
分类专栏： 度量学习 文章标签： distance classification semantic image action algorithm
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/lzt1983/article/details/7831524
版权
本文整理了近两年在顶级会议上发表的关于Distance Metric Learning的论文，涵盖了ICML、CVPR、ACM MM、ICCV、ECCV等多个会议。尽管作者曾认为DML领域的进展不多，但搜罗的论文显示该领域依然活跃，有许多新的研究方向和应用，如视觉跟踪、图像检索、人脸识别等。
摘要由CSDN通过智能技术生成

上次大师兄回上海，跟导师以及师兄弟吃饭。谈到我研究生时选的DML的方向，我还是觉得这个领域相对比较艰深，近几年一直没有大的进展，而且凭直觉认为DML相关的最近的paper不会特别多。导师笑而不语。

回来做了一点功课，搜罗了这2年顶级会议上度量学习相关的论文，数量之多，颇受震动。这其中怕是不乏灌水炒作新概念的文章，看来DML大有前几年sparse coding的势头啊。

ICML 2012

Maximum Margin Output Coding

Information-theoretic Semi-supervised Metric Learning via Entropy Regularization

A Hybrid Algorithm for Convex Semidefinite Optimization

Information-Theoretical Learning of Discriminative Clusters for Unsupervised Domain Adaptation

Similarity Learning for Provably Accurate Sparse Linear Classification

ICML 2011

Learning Discriminative Fisher Kernels

Learning Multi-View Neighborhood Preserving Projections

CVPR 2012

Order Determination and Sparsity-Regularized Metric Learning for Adaptive Visual Tracking

Non-sparse Linear Representations for Visual Tracking with Online Reservoir Metric Learning

Unsupervised Metric Fusion by Cross Diffusion

最低0.47元/天 解锁文章
大魁
关注
专栏目录
Metric Learning原理与代码实例讲解
程序员光剑
06-20 807
Metric Learning原理与代码实例讲解 1. 背景介绍 度量学习（Metric Learning）是机器学习领域的一个重要分支，它的核心目标是通过学习找到一个合适的距离度量，使得数据在新的度量空间中具有更好的可分性。在诸如图像识别、推荐系统、自然语言处理等领域，度
李宏毅机器学习15—Semi-supervised learning
weixin_57178683的博客
05-02 1217
Semi-supervised learning（半监督学习） 摘要：这节课主要学习了半监督学习，以及半监督学习的两种方法。 目录 一、什么是Semi-supervised learning 为什么要做Semi-supervised learning 二、Semi-supervised learning for generative model 首先看supervised learning for generative model 实际上Semi-supervised learning for
度量学习（Metric learning、损失函数、triplet、三元组损失、fastreid）
TigerZ*的博客
07-30 1万+
定义 Metric learning 是学习一个度量相似度的距离函数:相似的目标离得近,不相似的离得远. 一般来说,DML包含三个部分，如下图.。 1）特征提取网络：map embedding 2）采样策略：将一个mini-batch里的样本组合成很多个sub-set 3）loss function：在每个sub-set上计算loss. 应用场景 通常是在个体级别的细粒度识别上使用，传统的分类是花鸟狗的大类别的识别，但是有些需求...
度量学习Metric Learning
qq_15821487的博客
11-09 3496
其实就是，学习出一直度量样本直接距离的函数空间。 度量学习 直接度量 转换后度量 深度度量学习 样本挖掘 模型结构 损失函数 度量学习（Metric Learning）是一种空间映射的方法，其能够学习到一种特征（Embedding）空间，在此空间中，所有的数据都被转换成一个特征向量，并且相似样本的特征向量之间距离小，不相似样本的特征向量之间距离大，从而对数据进行区分。度量学习应用在很多领域中，比如图像检索，人脸识别，目标跟踪等等。 那么什么是度量学习呢？度量学习(Metric Learning) 是人脸识别
深度迁移度量网络 Deep Transfer Metric Learning
qq_35337126的博客
12-18 4518
论文地址：Deep Transfer Metric Learning 摘要（abstract）   传统的度量学习方法同城假定训练和测试集是在相同的情景获取得到，因此假设他们的分布是一样的。但是在实际视觉识别应用中，这种假设往往不符合的。特别是当这些样本来源于不同的数据集。这篇论文提出深度迁移度量学习（DTML）方法，通过将识别知识从源域迁移到目标域。网络约束条件是：最大化类内距，以及最小化类间距...
Metric Learning度量学习：**矩阵学习和图学习
wishchinYang的专栏
05-18 5739
ML的两条主要路线，从样本中学习一个度量，或者使用样本训练一个网络。 一篇metric learning（DML）的综述文章，对DML的意义、方法论和经典论文做一个介绍，同时对我的研究经历和思考做一个总结。可惜一直没有把握自己能够写好，因此拖到现在。先；列举一些DML的参考资源，以后有时间再详细谈谈。
[paper] 00033 Distance Metric Learning：A Comprehensive Survey
六半
10-22 506
看的很费劲，也只看了个囫囵吞枣。 不过，Get到不少的知识点，总体来说值。
A Discriminative Metric Learning Based Anomaly Detection Method
12-21
Mahalanobis-distance-based anomaly detection methods depend on the background statistics to construct the anomaly detection metric. One of the main problems with these methods is that the Gaussian ...
论文阅读理解 - Deep Metric Learning via Lifted Structured Feature Embedding
长风破浪会有时，直挂云帆济沧海
09-21 6528
Deep Metric Learning via Lifted Structured Feature Embedding Paper Caffe-Code 摘要 - 提出一种样本间距离度量方法，其出发点在于，(一)学习样本语义特征嵌入，使得在语义嵌入空间中，相似样本映射距离更接近，不相似样本映射距离更远. (二)更好的利用网络训练中 batch 训练的优势，提出将一个 batch 内样...
五大CV顶会，两大机器人顶会关于few-shot-learning论文汇总(NIPS,ICML,CVPR,ECCV,ICCV)
vanlish的博客
04-19 2151
五大CV顶会，两大机器人顶会关于few-shot-learning论文汇总1. NIPS1.1 2015NIPS1.2 2016NIPS1.3 2017NIPS1.4 2018NIPS1.5 2019NIPS2. ICML2.1 2015ICML2.2 2016ICML2.3 2017ICML2.4 2018ICML2.5 2019ICML3. CVPR3.1 2015CVPR3.2 2016CV...
CVPR 2012 Papers
daiyuchao的专栏
04-10 1万+
Orals Title Author(s) Micro Phase Shifting Mohit Gupta; Shree Nayar On Multiple Foreground Cosegmentation Gunhee Kim; Eric Xing Face detection, pose estimation, and landmark l
Deep Metric Learning for Visual Understanding(深度度量学习在视觉理解方面的发展）
weixin_44576543的博客
09-04 1414
度量学习旨在学习距离函数来测量相似样本距离，其在很多视觉理解上发挥很大的作用，一般的，最优视觉函数对于不同的理解任务是非常具体的，因为其数据分布在不同的任务中是不同的，普遍认为度量学习训练数据的效果要优于手工设计，比如说欧式距离与余弦距离，大量的度量学习被 提出，并且成功应用于人脸识别 图片分类 视觉跟踪 人体重识别 跨模态配对图片的几何定位。 度量学习分为监督与非监督的，非监督度的度量学习尝...
Collaborative Metric Learning——paper 笔记
wang2008start的专栏
07-23 1379
  Collaborative Metric Learning 协同过滤（回顾和复习了CF，基于模型的CF是用矩阵分解实现的，loss为评分矩阵和新构建的评分矩阵的平方差，用梯度下降进行优化学习）。这里是主要提出了三角不等式（两对pairwise节点的距离之和大于这两个节点的直接距离，隐含：如果x相似与y和z，那么y和z本身也是相似的，相似传递性），在矩阵分解的基础上，使用pairwise格式的...
Metric Learning——度量学习
敲代码的quant的博客
04-10 1万+
看到一篇知乎大神Flood Sung发表在CVPR2018上的paper，介绍了一种基于metric的模式识别方法，创新之处在于它不同于常用的matric-based方法，使用人为定义的度量，像简单的欧式距离、马氏距离，而是采用了用神经网络去训练这个度量，模型虽然简单，但是效果却很显著。1、度量(Metric)先说一下关于度量这个概念：在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的...
机器学习----降维与度量学习（PCA）
欢迎来到我的酒馆
04-28 2227
思路主成分分析、Principal Component Analysis、PCA的推导有很多种途径，我们选择一种，容易理解的来讲解。我们的目的是降维，但是不能胡乱的降，观察下面这组数据： 我们画的是二维情况，但是具体到高维也是可以的。μ\mu是我们目测一个比较好的降维之后的投影方向。但是这只是目测，我们怎么规定这个准则呢？我们规定： 投影之后样本竟可能分散，即样本方差尽可能大。 推导样本点
【论文阅读笔记】NeurIPS2020文章列表Part1
热门推荐
zincrain的博客
12-09 2万+
A graph similarity for deep learning An Unsupervised Information-Theoretic Perceptual Quality Metric Self-Supervised MultiModal Versatile Networks Benchmarking Deep Inverse Models over time, and the Neural-Adjoint method Off-Policy Evaluation and Learning.
metric learning
最新发布
04-03
Metric learning is a type of machine learning technique that involves learning a metric, or a distance function, between pairs of data points in a dataset. The goal of metric learning is to learn a metric that can accurately capture the similarity or dissimilarity between pairs of data points, such that similar points are closer together in the learned metric space than dissimilar ones. Metric learning has various applications in fields such as computer vision, natural language processing, and recommender systems. For example, in computer vision, metric learning can be used to learn a metric that can accurately measure the similarity between images, which can be used for tasks such as image retrieval or object recognition. In natural language processing, metric learning can be used to learn a metric that can measure the similarity between sentences or documents, which can be used for tasks such as text classification or information retrieval. Some popular techniques for metric learning include siamese networks, triplet networks, and contrastive learning. These techniques involve learning a mapping function that maps input data points to a low-dimensional metric space, such that the distance between pairs of points in this space accurately reflects their similarity or dissimilarity.
评论 7
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值