![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 77
不会讲段子的正能量小栗子
已转知乎,ID:小栗子
展开
-
跨模态搜索(cross-modal/media retrieval)
跨模态搜索研究的基本内容是寻找不同模态样本之间的关系,实现利用某一种模态样本,搜索近似语义的其他模态样本。本文实现了论文《Joint Feature Selection and Subspace Learning for Cross-Modal Retrieval》(PAMI2016)和论文《Simple to Complex Cross-modal Learning原创 2017-05-26 21:24:19 · 16181 阅读 · 17 评论 -
阅读笔记:自动发现,关系估计,学习上千个类别的语义属性,扩展zero-shot learning
论文《Automatic Discovery, Association Estimation and Learning of Semantic Attributes for a Thousand Categories》。论文地址:https://arxiv.org/pdf/1704.03607.pdf原创 2017-06-15 16:49:17 · 3433 阅读 · 0 评论 -
Transfer Learning in a Transductive Setting阅读笔记NIPS2013
论文地址:http://papers.nips.cc/paper/5209-transfer-learning-in-a-transductive-setting.pdf。该论文发表在NIPS2013,主要的工作是解决zero-shot learning或few-shot learning问题,即利用少量标签样本或者不用任何标签样本训练分类器,能够对未见过的类别进行分类。原创 2017-06-18 20:36:31 · 2208 阅读 · 0 评论 -
Semantic Autoencoder for Zero-Shot learning阅读笔记CVPR2017收录
论文地址:https://arxiv.org/pdf/1704.08345.pdf代码地址:https://elyorcv.github.io/projects/sae该论文已经被CVPR2017收录。主要是关于利用语义自编码器实现zero-shot learning的工作。一定程度上解决了训练集和测试集的领域漂移(domain shift)问题。整个算法最核心的地方是在自编码器进行编码和原创 2017-06-20 15:16:11 · 7926 阅读 · 4 评论 -
Learning with local and global consistency阅读报告NIPS2003
该论文被NIPS2003收录,目前已被引用3011次,无疑是经典中的经典。提出了一种基于“smooth”理论的半监督学习方法,方法实现简单、有效。这里所说的“smooth”是指:在半监督学习问题中,算法学习到的分类目标函数,相对于标签样本和无标签样本所共同显示的内在结构,应该足够平滑(smooth)。算法基于两个重要的假设:(1)空间中距离越近的点,越倾向于拥有同样的标签;(2)处于同一个原创 2017-06-22 16:17:17 · 4653 阅读 · 6 评论 -
Multi-Cue Zero-Shot Learning with Strong Supervision阅读笔记CVPR2016收录
论文地址:https://arxiv.org/pdf/1603.08754.pdf该论文被CVPR2016收录。当时,zero-shot learning的方法中,最好的依然是依靠着人工标注的属性。本文作者希望能够突破这一现状,利用网上多样的非结构化的文本数据实现全自动的算法,并且得到较好的效果。利用外部文本数据(如wikipedia语料库)的方法可以被称为利用附加数据的方法,这类方法的优点是原创 2017-06-25 22:14:53 · 2058 阅读 · 0 评论 -
Learning To Detect Unseen Object Classes by Between-Class Attribute Transfer(阅读报告)
该论文发表在CVPR2009上,工作的主要的开创性在于:在此之前并没有对于毫无关联的训练集和测试集进行对象检测的工作。简单来说,对于监督学习训练的分类器而言,只能对训练集中包括的样本类别进行分类,比如,利用若干猫和狗的图片训练出的猫狗分类器,只能识别猫和狗,而不能识别鸡和鸭。该工作可以被归类为迁移学习的一种,被引用超过900次,是该研究问题的经典论文之一。原创 2017-06-14 17:00:03 · 5598 阅读 · 1 评论