TPAMI13 Distance-Based Image Classification: Generalizing to New Classes

已于 2023-01-08 17:05:19 修改
阅读量460 收藏
点赞数
分类专栏： 零样本学习 文章标签： python 开发语言
于 2021-01-04 11:24:12 首次发布
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/112169097
版权

TPAMI 2013 Distance-Based Image Classification: Generalizing to New Classes at Near-Zero Cost

基于距离的零样本分类

摘要

论文介绍了两个基于度量的分类器：k-nearest neighbor (k-NN)和 nearest class mean (NCM)，NCM的新度量学习方法，以及NCM的扩展版（多类中心）。

3 THE NEAREST CLASS MEAN CLASSIFIER

在这里插入图片描述

3.1 Metric Learning for the NCM Classifier

马氏距离替代欧氏距离。
在这里插入图片描述

M是正定矩阵。W是为了学习低秩度量。
在这里插入图片描述
预测概率：
在这里插入图片描述
最大化log似然
在这里插入图片描述
梯度
在这里插入图片描述

3.3 Nonlinear NCM with Multiple Class Centroids

The idea is to represent each class by a set of centroids, instead of only the class mean.
想法是用一组中心表示一个类别，而不只是一个类中心。

4 K-NN METRIC LEARNING

在这里插入图片描述

一亩高粱
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
HRNet-Image-Classification:在ImageNet上训练HRNet模型
05-25
[2020/03/13] TPAMI接受了我们的论文：。 根据要求，我们提供两种小型HRNet模型。 #parameters和GFLOP与ResNet18相似。 使用这两个小型模型的细分结果也可从。 TensoFlow实现可在。 谢谢 ！ 修复问题后启用了ONNX...
DEEP NEAREST CLASS MEAN CLASSIFIERS
weixin_40286308的博客
08-20 721
我还特意去摘要确认了一下，他们就是针对普通的NCM更新原型困难的痛点，加了一个动量更新的机制。后面勉强提出来对动量更新的两个“改进”，也没什么用，所以我都懒得写。2017年的Prototypical Networks（用于小样本学习），虽然是直接基于NCM分类器来学习deep representation的，但是他们的方法很难扩展到大规模的分类。2017年的icarl，虽然用了NCM分类器，但是他们的特征是基于softmax分类器学出来的。对于深度特征表示的学习，难点就在于随着学习的进行，uy的更新。
Metric Learning度量学习：**矩阵学习和图学习
wishchinYang的专栏
05-18 5724
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。
零次学习论文介绍
Innse的脑洞世界
05-29 1058
Zero-shot Learning 论文介绍 首发于知乎-SCUT神经网络-Magellan小分队 最近看了一段时间零次学习系列的文章，这里介绍一些代表性的论文，算是对这段时间学习的一个总结，前方公式高能，为了阅读顺畅我会尽量减少一些公式并且尽量解释这些式子，想看完整推导过程的可以自己找原文来看，可能会有理解错误的地方，欢迎指正。 文章目录Zero-shot Learning 论文介绍0. 什么...
度量学习
热门推荐
xiaopihaierletian的博客
12-05 2万+
度量学习（Metric Learning） 度量（Metric）的定义  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函数。一个具有度量的集合被称为度量空间。 度量学习（Metric Learning）也就是常说的相似度学习。距离测度学习的目的即为了衡量样本之间的相近程度，而这也正是模式识别的核心问题之一。大量的机器学习方法，比如K近邻、支持向量机、径向基函数网
Supervised Contrastive Replay 论文详解 通过NCM分类器和图片回放实现增量学习
祥瑞的技术博客
04-30 3762
论文地址：[2103.13885] Supervised Contrastive Replay: Revisiting the Nearest Class Mean Classifier in Online Class-Incremental Continual Learning (arxiv.org) Supervised contrastive replay: revisiting the nearest class mean classifier in online class-incrementa
数据融合matlab代码-TPAMI-CU-Net:TPAMI-CU-Net
05-22
数据融合matlab代码TPAMI-CU-Net 该存储库是我们题为“用于多模式图像恢复和融合的深度卷积神经网络”的论文的Tensorflow代码。 拟议的CU-Net的网络体系结构。 对于与MIR相关的任务，最终的重建（第4点）由共同的...
matlab裁切图像代码-Grid-Anchor-based-Image-Cropping-Pytorch:PyTorch实施“基于网格锚点的
05-28
这项工作的扩展已被TPAMI接受。 有关详细信息，请阅读。 要求 python 2.7，pytorch 0.4.1，numpy，cv2，scipy。 用法 下载源代码，数据集[]，[]和预训练的模型[] [] 运行TrainModel.py可以在我们的数据集上训练新...
semantic-object-accuracy-for-generative-text-to-image-synthesis:用于“生成文本到图像的合成的语义对象准确性”的代码（TPAMI 2020）
05-04
生成文本到图像的语义对象精度TPAMI 2020中发布的（ ）的代码。 我们摘要。 语义对象准确度（SOA）是我们引入的一个分数，用于评估生成的文本到图像模型的质量。 为此，我们提供了来自MS-COCO数据集的标题，评估后的...
《Revisiting Distillation and Incremental Classifier Learning》 论文笔记
Chris_zhangrx的博客
12-05 686
原文链接：https://arxiv.org/abs/1807.02802 本文主要就是对于 iCaRL这篇论文的再研究，设置了一些研究型实验推翻了之前 iCaRL 论文中的一些说法，最终得出结论，iCaRL 之所以行之有效的主要原因是使用了知识蒸馏（Knowledge diatillation）。并对于知识蒸馏存在的分类器偏差（bias in classifiers）问题，提出了动态阈值移动（d...
Decoupling Representation and Classifier for Lont-Tailed Recognition
Fan9_的博客
05-14 687
Decoupling Representation and Classifier for Lont-Tailed Recognition ​ 长尾问题是基于深度学习分类模型的一大难点。现有的解决方案包括损失加权，数据重采样，头部类别到尾部类别的迁移学习。大多数方案都将表示和分类器联合学习。本文将学习过程分解成表示学习和分类。系统的探索了上述方法是怎么影响这两个部分，以获得在长尾分布上更好的表示。发现两个结果： （1）在学习高质量的文本表示时，数据不均衡不是一个问题。（即使数据不均衡，也能学习到高质量的文本
辣鸡算法（三）：位运算小技巧
cly141220010的博客
05-01 143
在位运算中存在一些小技巧，现记录在这篇文章中 技巧一： 若n为int类型，带符号。 则的结果为仅保留n二进制下的最右边的1，其他位为0。 原因：若n二进制表示为，则-n=~n+1，二进制表示为，二者与一下就是 技巧二： 若n为int类型，带符号。 则的结果为将n二进制下的最右边的1变成0 推论1：使n二进制下1的个数少了1，可以循环求出n二进制下1的个数。 推论2：可判断n...
样本不平衡的数据建模——decoupling representation and classifier
fcd_abc的博客
08-22 1416
decoupling representation and classifier（解耦特征表示模块和分类模块），将原来的分类模型拆分成两部分分别进行训练。比如ResNet-50，一般有神经网络层+分类层（全连接+softmax）构成。以前的模型是对这两部分做联合估计和拟合，但是decoupling representation and classifier是将这两部分分开来估计。 来源 该方法来自于论文：DECOUPLING REPRESENTATION AND CLASSIFIER FOR LONG-TA
NLP中长尾、数据不均衡问题可落地解决方案
u012526436的博客
10-22 4584
在真实的工业场景中，通常都会遇到长尾问题(部分类别数据很多，部分类别数据量极少，如下图所示)。例如比较典型的风控场景，负样本通常都是极少的，甚至有些负样本需要人工造。对于这样的场景，模型对于样本较少的类别拟合能力是不足的，甚至无法满足上线的要求。 目前比较通用的解决方案即采样和加权，但是如何采样，是欠采样还是过采样，如何加权权重怎么设置，这些都包含了较多的方法。本文将会先从这两个方案出发，再扩展到一些其它比较通用、有效的nlp长尾问题解决方案 采样 采样的方法主要是两种，过采样和欠采样。欠采样是指从过多的
SDC论文详解Semantic Drift Compensation for Class-Incremental Learning. CVPR 2020
祥瑞的技术博客
04-18 2338
论文地址: https://arxiv.org/abs/2004.00440 一、贡献点 文章发表于CVPR2020，用于解决增量学习中类别增量的问题。贡献点有下面几个： 不同于以往的交叉熵loss, 本文的embedding network提出了triple loss，关于triple loss会在后面进行介绍，triple loss简单理解为基于特征空间质心的loss，样本提取特征后，距离特征空间的离质心越近，则loss越小，反之则越大。 本文的SDC（Semantic Dr...
1.1 图像分类和Nearest Neighbor分类器
diyudong4681的博客
11-20 582
图像分类 目标 所谓图像分类问题，就是已有固定的分类标签集合，然后对于输入的图像，从分类标签集合中找出一个分类标签，最后把分类标签分配给该输入图像。 例子 对于计算机来说，图像是一个由数字组成的巨大的3维数组，每个数字都是在范围0-255之间的整型，其中0表示全黑，255表示全白，有3个颜色通道，分别是红、绿和蓝（简称RGB）。 在这个例子中，猫的图像大小是宽248像素，高40...
机器学习-KNN算法
Hornsey的博客
12-25 265
1、算法概述 最简单最初级的分类器是将全部的训练数据所对应的类别都记录下来，当测试对象的属性和某个训练对象的属性完全匹配时，便可以对其进行分类。但是怎么可能所有测试对象都会找到与之完全匹配的训练对象呢，其次就是存在一个测试对象同时与多个训练对象匹配，导致一个训练对象被分到了多个类的问题，基于这些问题呢，就产生了KNN。 KNN是通过测量不同特征值之间的距离进行分类。它的思路是：如果一个样本在特征空...
基于小样本学习的图像分类技术综述
m0_62870606的博客
11-10 5177
基于小样本学习的图像分类技术综述 人工智能技术与咨询昨天 本文来自《自动化学报》，作者李颖等 关注微信公众号：人工智能技术与咨询。了解更多咨询！ 图像分类是一个经典的研究课题, 典型的图像分类算法涉及两个问题, 一是如何对图像特征进行更好的表示, 二是如何学习好的分类参数. 随着卷积神经网络(Convolutional neural networks, CNN)的设计越来越深层化, 图像特征的表示能力越来越强, 同时也能对图像进行自动分类. 在CNN提出之前, 人类通过人工设计的图像描述符对图像特.
https://github.com/GeWu-Lab/CSOL_TPAMI2021运行步骤
最新发布
05-30
非常感谢您的问题，以下是CSOL_TPAMI2021的运行步骤： 1. 首先，您需要下载CSOL_TPAMI2021的源代码。您可以从以下链接中下载：https://github.com/GeWu-Lab/CSOL_TPAMI2021。 2. 接下来，您需要安装Anaconda或Mini...

“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