Dual Contrastive Prediction for Incomplete Multi-view Representation Learning个人学习2

已于 2022-10-23 09:30:10 修改
阅读量499 收藏 1
点赞数
文章标签： 学习 深度学习 人工智能
于 2022-10-23 01:52:06 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/double_yellow/article/details/127470039
版权

目的：

解决不完全多视图表示学习中的两个问题
1）如何学习统一不同视图的一致表示（Autoencoder网络实现）
2）如何恢复丢失的视图（Prediction网络实现）

具体做法：

两种网络，四个损失函数

网络：

①Autoencoder：编码：将RGB和Depth图片转到相同维度(同一子空间)；解码：再还原到原来样子
②Prediction：编码+解码 = forward：将autoencoder中间维度的信息，由RGB转为Depth（或D到R）

损失函数：

①让图片经过Autoencoder网络编码解码后，数据基本不变 -> reconstruction_loss重构损失
②让图片经过Autoencoder网络编码，并由Prediction网络做RGB转Depth或D转R后，数据更相似 -> dualprediction_loss双重预测损失
③让不同类的Z1，Z2差别更大 -> category_contrastive_loss
④让同一类的Z1，Z2更相似 -> instance_contrastive_Loss

在这里插入图片描述
在这里插入图片描述
对应损失3和4
在这里插入图片描述

double_yellow
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
Contrastive Multi-View Representation Learning on Graphs
12-20
graph上的多视图表示对比学习
Dual Contrastive Prediction for Incomplete Multi-view Representation Learning个人学习
double_yellow的博客
09-27 806
问题：我们提出了一个统一的框架（unified framework）来解决不完全多视图表示学习（incomplete multi-view representation learning）中的以下两个挑战性问题：i）如何学习统一不同视图的一致表示（a consistent representation unifying different views），ii）如何恢复丢失的视图。
论文阅读《COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction》
m0_71014828的博客
06-12 556
论文标题：COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction 论文作者：Yijie Lin, Yuanbiao Gou, Zitao Liu, Boyun Li, Jiancheng Lv, Xi Peng 论文来源： 2021，CVPR 论文地址：download 论文代码：download本文研究了不完全多视图聚类分析中两个具有挑战性的问题，i）如何在没有标签的帮助下学习不同视图之间的信息性和一致性表示，ii）如何
【研一小白论文精读】《COMPLETER: Incomplete Multi-view Clustering via Contrastive Prediction》
weixin_46235765的博客
11-22 2459
基于对比预测的缺失视图聚类方法 多模态的背景 现实生活中的数据大多以多个模态或者多个视图的形式存在，举一个例子：比如不同类型的摄像机拍摄的同一个物体的图片，如rgb，深度图等，或者同一个实体的文本或图片的描述，都叫做多视图或者多模态。而使用单模态或者单视图的方法是无法有效利用多模态数据中的信息的。如果能通过综合观察不同物体的视图或是利用物体的多个模态，就能够更好地建模物体。比如考虑同一物体不同角度的剖面图，或者同时考虑音频视频等多个模态，因此一个有效的多模态学习方法尤其是无监督学习方法是非常重要的。 多视图
Multi-view_Clustering:适用于7种多视图光谱聚类算法的MATLAB代码
04-22
多视图光谱聚类算法该存储库包含用于7种多视图光谱聚类算法（和单视图光谱聚类算法）的MATLAB代码，用于在我们的ICDM论文“”中进行比较。 一些算法的代码是从原始论文作者的网站上收集的，后来由我们...图学习用于多
contrastive-learning:对比学习方法
03-10
对比学习方法支持更多内容的对比学习方法的第三方pytorch实现（请参阅“可用内容”部分）。有什么可用的？ 使用SimCLR进行对比学习预训练通过停止梯度进行在线线性评估Pytorch闪电登录和默认收益（多GPU训练，混合...
DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
09-03
DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
Max-Margin Contrastive Learning.pdf
12-22
Max-Margin Contrastive Learning 对比学习是现在机器学习热点研究方法之一。来自霍普金斯、MIT等学者受支持向量机启发，提出最大化间隔对比学习，能够选择更好负样例，提供更好的对比学习性能。 标准的对比学习方法...
FME学习之旅---day27
summer_corner的博客
05-17 193
我们付出一些成本，时间的或者其他，最终总能收获一些什么。
使用多实例学习进行乳腺癌组织病理学图像分类和定位
qq_47896523的博客
05-16 1092
乳腺癌是女性最主要的死亡原因，病理学家根据病理切片中观察到的各种视觉特征（例如细胞核的形态特征、细胞核的微观和宏观结构等）做出决定。计算机辅助诊断（CAD）系统可以帮助病理学家自动做出决策。卷积神经网络是最广泛使用的深度学习框架，用于学习图像类别之间的复杂判别特征。多年来，VGG16 [3] 和 ResNet18 [4] 等各种 CNN 架构在海量 ImageNet 数据集上产生了出色的结果。CNN 被用于医学图像以产生最先进的结果。为图像中存在的所有类别提供了定位信息。
WEB转Flutter基础学习笔记（内含vue和flutter对比）
小易不止于搬砖的博客
05-17 668
笔者是一名web前端，记录在转栈flutter时的学习笔记，内涵和vue的对比，能够辅助前端同学更容易理解flutter
Page对象的学习
2301_77523055的博客
05-14 1003
ASP.NET允许开发者创建自定义控件和用户控件来扩展页面的功能。自定义控件是从现有的ASP.NET控件派生出来的新控件，而用户控件则是将多个控件组合成一个可重用的单元。这些控件可以像其他ASP.NET控件一样在页面上使用，并通过Page对象进行交互。Page_Init主要用于在控件加载之前进行初始化设置和添加事件处理程序。Page_Load主要用于处理页面回发和加载数据，以及执行其他需要在页面加载时完成的逻辑。由于Page_Init在Page_Load之前触发，因此在Page_Init。
学习kong官方文档
好好学习日记
05-17 271
当然，我会用更简洁的方式重新解释这两个概念：Helm和Kubectl是Kubernetes生态系统中常用的两个工具，它们各自有不同的用途：
推荐系统学习笔记（一）
weixin_44880995的博客
05-15 146
同类策略（精排中的两种模型）天然互斥，并且（两条召回通道）效果会相互影响，避免干扰。反转：有的指标立刻影响，有的需要长期观测-------尽快推全也可以长期观测。10%作为holdout桶，实验使用剩余的90%，做diff（需要归一化）不同策略（添加召回通道，优化粗排模型）通常不会干扰，可以作为正交的两层。保留10%，完全不受实验影响，可以考察整个部门对业务指标的贡献。同层互斥----避免一个用户被两个实验影响。不同层正交----每层独立随机分配用户。推全：新层，与其他层正交，90%用户。
C语言查漏补缺学习【精简版】
最新发布
qq_49288362的博客
05-18 621
逗号的组合关系是自左向右，所以左边的表达式会先计算，而右边的表达式的值就留下来作为逗号运算的结果。枚举类型名字通常并不真的使用，要用的是在大括号里的名字，因为它们就是常量符合，它们的类型是int,值则一次从0到n。当要传递的参数的类型比地址大的时候，这是常用的手段：既能用比较少的字节数传递值给参数，又能避免函数对外面的变量的修改。当需要一些可以排列起来的常量值时，定义枚举的意义就是给了这些常量的值的名字。16.*：是一个单目运算符，用来访问指针的值所表示的地址上的变量。
DB类的学习
2301_77523055的博客
05-15 365
"不返回结果集" 意味着执行 SQL 语句后，你不会得到一个可以逐行读取的数据集。相反，你可能会得到一个表示受影响的行数的整数，或者只是一个表示命令是否成功执行的确认。
RustGUI学习（iced/iced_aw）之扩展小部件（十九）：如何使用context_menu部件来创建右击菜单？
用沸腾的热血，支付我们的人生吧！
05-15 66
本专栏是学习Rust的GUI库iced的合集，将介绍iced涉及的各个小部件分别介绍，最后会汇总为一个总的程序。iced是RustGUI中比较强大的一个，目前处于发展中（即版本可能会改变），本专栏基于版本0.12.1.
docker学习和常用命令
OutRoading的博客
05-14 184
镜像仓库datahub。
dense contrastive learning for self-supervised visual pre-training
04-06
“密集对比学习自监督视觉预训练”是一种自监督学习方法，旨在通过对比度训练来提高视觉表征学习的效果。该方法通过训练网络来学习将相似的图片特征映射到一起，将不同的图片特征区分开来，从而使网络获得更好的视觉表征能力。

“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 2
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