[CVPR 2018] Unsupervised Feature Learning via Non-Parametric Instance Discrimination

最新推荐文章于 2024-05-28 11:00:45 发布
最新推荐文章于 2024-05-28 11:00:45 发布
阅读量984 收藏 2
点赞数
分类专栏： 迁移+无监督+其他 文章标签： 无监督特征学习
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/cp_oldy/article/details/106165459
版权

文章目录

1. 动机

在这里插入图片描述
研究者认为，标签监督的网络对目标的预测并不是根据语义相似性而是视觉相似性。以猎豹图片为例，网络输出的几个最高响应类都是视觉相关的，例如美洲豹和猎豹。数据本身的表面相似性而非语义标签，使得某些类比其他类更加接近。 研究者将类监督发展到极端的实例监督，并学习了辨别各个单独实例的特征表示。

特征学习针对什么任务？

在分类任务上验证算法的思想。

为什么选择实例监督？

观察发现，监督学习得到的特征表示的判别力来自视觉性而不是语义性。将视觉性的区分性发挥到极致，忽略语义性，得到的特征可能更有判别力。

什么是非参数化训练?

什么是实例级判别？

一个实例视为一个类。在监督学习种，一个类对应多个实例。一对一的关系，使得每个实例对应一个标签。

怎么实现实例级判别？

2. 思考

观察现有小样本学习模型的分类结果在视觉性和语义性上的特点。

3. 重要链接

  1. 论文地址
  2. 官方代码
  3. 论文博客
  4. 机器之心：非参数化方法实现的极端无监督特征学习
  5. 噪音对比估计(NCE)
  6. 二项分布的对数似然函数与交叉熵（cross entropy）损失函数的联系
一亩高粱
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Unsupervised Feature Learning via Non-Parametric Instance Discrimination
X-SPY的博客
12-20 6040
概率图模型 最近在学习概率图模型，主要是看Koller的公开课：Coursera - Free Online Courses From Top Universities 和 Daphne Koller, Nir Friedma的《概率图模型:原理与技术》这本书来学习的 Markdown和扩展Markdown简洁的语法 代码块高亮 图片链接和图片上传 LaTex数学公式 UML序列图和流程图
Unsupervised Feature Learning via Non-parametric Instance Discrimination本地运行
fanyuwgy的博客
07-12 969
这是2018年cvpr的一篇文章．作者当中提供了源码，地址如下： https://github.com/zhirongw/lemniscate.pytorch 首先要安装pytorch，建议使用清华的镜像，否则特别慢，教程地址如下： https://blog.csdn.net/qq_43237588/article/details/89183303 接着就可以运行代码了，在ImageNet...
【对比学习】【论文翻译】Unsupervised Feature Learning via Non-Parametric Instance Discrimination
最新发布
weixin_44184852的博客
05-28 1032
在带有注释类标签的数据上训练的神经网络分类器也可以捕捉类别之间明显的视觉相似性，而无需被指示这样做。我们研究这种观察是否可以扩展到监督学习的传统领域之外：我们是否可以通过仅仅要求特征区分单个实例来学习一个好的特征表示，该特征表示可以捕捉实例之间的明显相似性，而不是类？我们将这种直觉公式化为实例级的非参数分类问题，并使用噪声影响估计来解决大量实例类带来的计算挑战。我们的实验结果表明，在无监督学习设置下，我们的方法大大超过了ImageNet分类的最新水平。
Unsupervised Feature Learning via Non-parametric Instance Discrimination
Cloris_Sue的博客
04-27 765
这篇文章是cvpr2018的spotlight。是伯克利、香港中文大学、亚马逊联合发表的论文。 论文：Unsupervised Feature Learning via Non-parametric Instance Discrimination. 摘要和介绍中指出，通过对有监督的图像分类结果的观察，发现图像分类的依据不是图像的语义注释，而是数据本身的视觉相似性，换句话说，视觉相似性不是从语义注释...
【CVPR2018】3D-RCNN Instance-level 3D Object Recons
06-14
【CVPR2018】3D-RCNN Instance-level 3D Object Reconstruction via Render-and-Compare 三维RCNN：基于渲染和比较的实例级三维对象重建
【CVPR2018】A Face-to-Face Neural Conversation Mode
06-14
【CVPR2018】A Face-to-Face Neural Conversation Model是计算机视觉和人工智能领域的一篇重要论文，发表于2018年的计算机视觉与模式识别会议（CVPR）。这篇研究工作聚焦于构建一个能够模拟人类面对面交流的神经网络...
Unsupervised-Domain-Adaptation-with-Differential-Treatment:[CVPR 2020]东西区别对待
05-04
该存储库适用于CVPR2020接受的以下论文中介绍的Stuff Instance Matching（SIM）框架 ，，， ，， ，和 介绍 在这项工作中，我们通过减轻源域（合成数据）和目标域（实际数据）之间的域迁移来考虑语义监督的无监督域...
Learning-via-Translation:CVPR'18中的SPGAN
05-03
翻译学习 具有保留的自相似性和域相似性的图像-图像域自适应，用于人员重新识别（ ） 框架概述 通过翻译学习以获取个人re-ID的领域适应性，包括两个步骤： 1....第一步是以无监督的方式将带注释的数据集从源域转换为...
MapNet:CVPR 2018聚焦
05-18
这是CVPR 2018 Spotlight论文“针对相机本地化的地图的几何感知学习”的项目页面。 我们的算法MapNet允许您以完全数据驱动的方式从一系列图像中估算已知场景中摄像机的姿态。 更重要的是，它使您能够使用该场景中的...
CVPR2022 Image Dehazing Transformer with Transmission-Aware 3D代码
09-24
CVPR 2022 Image Dehazing Transformer with Transmission-Aware 3D Position Embedding 源代码，很有学习价值，大佬任文琦团队的最新去雾杰作，从3D定位的角度去思考去雾。CVPR 2022 Image Dehazing Transformer ...
cvpr18-caption-eval:学习评估图像字幕。 CVPR 2018
05-13
，，，，CVPR 2018 该存储库包含一个可用于评估图像字幕系统的鉴别器。 鉴别器受过训练，可以区分机器生成的字幕和人工书写的字幕。 在测试过程中，训练有素的鉴别器将候选字幕，参考字幕以及可选地要字幕的图像...
[CVPR 2018]Discriminative Learning of Latent Features for Zero-Shot Recognition
01-07
文章目录背景贡献模型The Image Feature Network（FNet）The Zoom Network（ZNet）The Embedding Network(ENet)Prediction实验 背景 作者认为当前(2018年前)zero-shot研究的核心主要是在视觉空间和语意空间中学习...
CVPR-2020-point-cloud-analysis:专注于点云分析的CVPR 2020论文
05-28
CVPR-2020点云分析专注于点云分析的CVPR 2020论文[][][][] segmention [] segmention classification [] compression oral completion [代码] 基于图像的3D对象检测的端到端伪LiDAR [代码] 点网络segmentation 更...
geomapnet：用于照相机定位的地图的几何感知学习（CVPR2018）
02-03
用于相机定位的地图的几何感知学习这是CVPR 2018论文的PyTorch实施“”-CVPR 2018（Spotlight）。 ， ， ， 和四分钟的视频摘要（单击下面的视频）引文如果您发现此代码对您的研究有用，请引用我们的论文@in...
自监督-论文笔记（二）“Unsupervised Feature Learning via Non-Parametric Instance Discrimination”
transfer_ya的博客
11-17 235
论文：“Unsupervised Feature Learning via Non-Parametric Instance Discrimination”--2018CVPR 链接：论文链接 代码链接 摘要： 主要贡献： 方法： 内容： 结果： 思考：
[论文阅读-Contrastive Learning（2）] 2018 CVPR Unsupervised Feature Learning via Non-Parametric Instance..
guyii54的博客
12-23 436
2018 CVPR Unsupervised Feature Learning via Non-Parametric Instance Discrimination 动机 首先这篇文章的任务是做一个无监督的分类，也就是只考虑一个新来的例子是否类似于已有的某个例子（图片），而不考虑语义上它属于哪个分类，说白了也就是新来一张图像，它的特征和哪张现有图像的特征最像。 其次这篇文章用无监督的方法，重点在学习一个特征提取器，使得相似图片的特征更相关，不相关图片的特征更不相关。 第三，这篇文章提出了几种特别有名
【论文阅读笔记】Unsupervised Feature Learning via Non-Parametric Instance Discrimination
fredrickwood的博客
03-20 259
有监督分类器在分类时，会自动捕获类别的视觉相似性。因此，这篇工作的motivation是，这一特性能否扩展到无监督学习上。具体采用的方法就是instance discrimination任务。作者将这个模型称为“NPID”，即非参数instance discrimination。噪声对比估计则是广泛应用的NCE。在无监督 & 半监督上都表现很好（后续的对比学习研究也同时提出无监督和半监督的版本）。
"Patch-Based Image Segmentation via Spatial-Aware Deep Embedding"，在CVPR 2018中发表，这篇似乎找不到
06-10
经过查询，我发现“Patch-Based Image Segmentation via Spatial-Aware Deep Embedding”是CVPR 2019会议论文的一篇。它提出了一种基于局部信息的图像分割方法，该方法利用深度嵌入来捕获图像的空间结构信息。该论文...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
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