基线是什么意思_什么？Metric learning十几年毫无进展？

最新推荐文章于 2024-07-16 13:40:36 发布
最新推荐文章于 2024-07-16 13:40:36 发布
阅读量1k 收藏 1
点赞数
文章标签： 基线是什么意思
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/weixin_39747630/article/details/111346652
版权
近期研究指出，近十三年的(deep)metric learning进展与十三年前基线方法相比并无显著提升，性能提升可能源于实验设置不公。本文探讨了这一现象，强调不应因质疑而否定整个领域，而应反思实验设定和评价标准。同时提到类似情况在meta-learning领域也存在，简单预训练网络和分类器即可在few-shot任务中击败复杂方法，引发对meta-learning使用方式的思考。作者认为，广泛的质疑将推动领域发展，期待新的范式和思想涌现。
摘要由CSDN通过智能技术生成
❝

Facebook AI 和 Cornell Tech 的研究人员近期发表研究论文预览文稿，声称近十三年 (deep) metric learning 领域的研究进展(ArcFace, SoftTriple, CosFace 等十种算法) 和十三年前的基线方法(Contrastive, Triplet) 比较并无实质提高，近期发表论文中的性能提高主要来自于不公平的实验比较, 泄露测试集标签，以及不合理的评价指标？

❞

0d3e4b9357187de0a18a8a22317e9dda.png

其实大可不必心潮澎湃、攻击别人、对该领域前途失望。首先声明：「本回答不存在任何洗地、拉偏架、或刻意抹黑的意思，只是在心平气和地探讨问题。」

我的理解是，每当一个研究领域出现一些「rethinking」、「revisiting」、「comprehensive analysis」等类型的文章时，往往都说明了几个现象：

  • 这个领域发展的还可以，出现了很多相关的工作可以参考；
  • 这个领域的文章同质化太严重，到了传说中的 「“瓶颈期”」；
  • 研究人员思考为什么已经有这么多好工作，却好像觉得还差点意思，还
最低0.47元/天 解锁文章
weixin_39747630
关注
【PaperReading】OpenHGNN：An Open-Source Toolkit for Heterogeneous Graph Neural Networks
小哲的博客
05-26 768
今天带大家学习一个异质图神经网络开源工具包`OpenHGNN`。该工具包由北京邮电大学石川教授 `GAMMA Lab`发布，主要基于`PyTorch`和`DGL`。该开源工具包中集成了当前许多异质图神经网络的前沿模型，并提供了易用的接口，用户可以定义定制化的任务/模型/数据集来对新的场景应用建模，同时还集成了optuna进行超参数优化。
Graph Convolutional Neural Networks for Web-Scale Recommender Systems（用于Web级推荐系统的图形卷积神经网络）
weixin_41697507的博客
07-07 4157
Graph Convolutional Neural Networks for Web-Scale Recommender Systems 用于Web级推荐系统的图形卷积神经网络 ABSTRACT Recent advancements in deep neural networks for graph-structured data have led to state-of-the-art pe...
机器学习基础
m0_72557541的博客
07-11 952
本章涵盖了以下主题：请记住，在本章中讨论的大多数技术都是机器学习和深度学习通用的，一部分用于解决过拟合问题的技术（如dropout）除外。在之前的所有例子中，尝试解决的是分类（预测猫或狗）或回归（预测用户在平台上花费的平均时间）问题。所有这些都是有监督学习的例子，目的是找到训练样例和目标之间的映射关系，并用来预测未知数据。有监督学习只是机器学习的一部分，机器学习也有其他不同的部分。以下是3种不同类型的机器学习：下面详细讲解各种算法。在深度学习和机器学习领域中，大多数成功用例都属于有监督学习。本书中所涵盖的大
基线
shengyan的专栏
11-30 1481
“基线”是一个很常见的术语，在配置管理和项目管理里面都能看到，而且还有很多衍生的术语，例如基线提升、基线化、基线审计，等等等等。 我个人以前对微软的那套开发流程（就是product cycle model）以及PSP、TSP了解比较多一些，这些流程里面对“基线”的概念提的不多。但接触RUP、MSF以及项目管理以后，看到到处都有baseline，就觉得迷惑了。 经过我自己的理解，以及和几个同事的讨论
如何理解深度学习中的 metric learning（度量学习）？
最新发布
weixin_51678401的博客
07-16 903
Metric learning（度量学习）是机器学习和深度学习中的一个领域，其目标是通过学习一个映射函数，将数据点映射到一个新的空间中，使得在该空间中，相似的数据点距离较近，而不相似的数据点距离较远。度量学习广泛应用于图像检索、人脸识别、语音识别等任务。
什么是基线(Baseline)
热门推荐
jixiangrurui的专栏
05-14 3万+
什么是基线(Baseline) 在计算机术语中，基线(Baseline)是软件文档或源码(或其它产出物)的一个稳定版本，它是进一步开发的基础。 关于基线可以从以下两个方面来理解： 1）代表多个源代码文件的一组稳定版本。 比如有三个文件，aaa.c、bbb.c和ccc.h。可以对这三个文件做一个基线，取aaa.c的版本1.1，取bbb.c的版本1.3，取ccc.h的版本1.0。(1.1,1.3,1
什么是基线？
weixin_44145001的博客
11-21 1万+
基线是能够呈现技术状态的一次“快照”，基线由文件、代码、产品组成。
什么是基线(Baseline)？
独自陶醉
05-11 1万+
什么是基线(Baseline)？       基线是软件文档或源码(或其它产出物)的一个稳定版本,它是进一步开发的基础。所以,当基线形成后,项目负责SCM的人需要通知相关人员基线已经形成,并且哪儿可以找到这基线了的版本。这个过程可被认为内部的发布.至于对外的正式发布,更是应当从基线了的版本中发布。       基线是项目储存库中每个工件版本在特定时期的一个“快照”。它提供一个正
【点云系列】综述： Deep Learning for 3D Point Clouds: A Survey
weixin_43882112的博客
12-03 5000
文章目录摘要简介：2 背景2.1 数据集2.2 衡量指标3 3D形状分类3.1基于多视角的方法3.2基于体素的方法3.3 基于点的方法3.3.1逐点MLP网络3.3.2基于卷积的网络3.3.3基于图的网络3.3.4基于数据索引的方法3.3.5其他方法小结4 3D物体检测与跟踪4.1 3D物体检测4.1.1 基于候选区域的方法4.1.2 single-shot方法4.2 3D对象跟踪4.3 3D场景流估计4.4 小结：5 3D点云分割5.1 3D 语义分割5.1.1 基于投影的方法5.1.2 基于离散的方法5
NLP-生成模型-2017-PGNet：Seq2Seq+Attention+Coverage+Copy【Coverage解决解码端重复解码问题；Copy机制解决解码端OOV问题】【抽取式+生成式】
u013250861的博客
12-24 3545
Pointer Network(指针网络)属于生成式模型。 - 仅用传统的 Seq2Seq 模型可以实现生成式摘要，但存在两个问题： 1. 可能不准确地再现细节, 无法处理词汇不足（OOV）单词/they are liable to reproduce factual details inaccurately; 2. 倾向于重复自己/they tend to repeat themselves。 - 传统的 Seq2Seq 模型中 Decoder 输出的目标数量是固定的，例如翻译时 Decoder 预测
MATLAB算法实战应用案例精讲-【图像处理】小目标检测（附matlab代码实现）
qq_36130719的博客
01-13 4245
现有的小目标定义方式主要分为以下两类，即基于相对尺度的定义与基于绝对尺度的定义。(1)基于相对尺度即从目标与图像的相对比例这一角度考虑来对小目标进行定义。Chen[1]等对小目标做了如下定义：同一类别中所有目标实例的相对面积，即边界框面积与图像面积之比的中位数在0.08%~0.58%之间。除此以外，较为常见的还有以下几种：①目标边界框的宽高与图像的宽高比例小于一定值，较为通用的比例值为0.1；②目标边界框面积与图像面积的比值开方小于一定值，较为通用的值为0.03；
机器学习中的基线
chen的博客
12-20 483
在机器学习竞赛或实验中，对应基线的概念通常是“最基本的模型”或者“最简单的方法”，这些方法可能并不复杂，但提供了一个起点用于性能对比。而与之对应的是“最优”或“最先进”的模型或方法。这些模型通常是在性能或效果上表现得非常好的，可能使用了更复杂的算法、更大的模型或更精细的技术。在竞赛或实验中，参与者通常尝试超越基线，寻求超越“最基本”的性能水平，向着更接近甚至超越“最优”模型的方向努力。基线和最优模型之间的性能差距，可以帮助研究者或参与者评估自己的模型或方法的表现，并且对于改进模型或方法提供了方向和目标。
机器学习中的baseline
332295505的博客
04-03 1万+
在机器学习中，基线（baseline）是一个简单、易于实现的基准模型，用于与更复杂的模型进行性能比较。常见的基线模型包括随机分类器、最常见类别分类器、简单线性回归和常数预测等。基线模型在项目开始阶段建立，随后通过改进和优化算法以提高性能。在论文或比赛中，基线模型可以是未改进的系统、已有方法或由主办方提供的基准系统。通过与基线模型的对比，研究者可以评估其他模型的优劣，并在实际应用中取得更好的效果。
论文中提到的 Baseline
qq_45770988的博客
04-20 2774
一词应该指的是对照组，基准线，就是你这个实验有提升，那么你的提升是对比于什么的提升，被对比的就是baseline。比如你要研究一个新的模型，你是在前人的模型基础上新增加了一些组件，别人也基本都是在这个模型上进行修改，那这个B。听名字就能听出来，就是你自己模型的一个基准，一个基本的框架，模型再复杂，最根本的框架是差不多的。）通常指一个简单的模型或方法，作为比较其他更复杂或先进方法的基准。在研究领域中，基线（
机器学习基线模型更新中...
懒惰是科技进步的原始动力
04-12 342
机器学习 K-近邻(鸢尾花种类预测) from sklearn.datasets import load_iris from sklearn.model_selection import train_test_split from sklearn.preprocessing import StandardScaler from sklearn.neighbors import KNeighborsClassifier
静态基线 机器学习_静态分析：基线VS差异
cullen2012的博客
09-07 1133
静态基线 机器学习 The purpose of this article is not to help with integration but rather to elaborate on the technicalities of the process: the exact implementations of warning suppression mechanisms and pro...
请详细描述一下去基线算法
weixin_35753431的博客
01-10 580
基线算法是一种简单的机器学习算法，它的目的是作为对比，用来评估其他算法的性能。这种算法的特点是简单，易于理解和实现，但是效率并不高。例如，在自然语言处理中，一个常见的基线算法就是随机分配标签的方法，这种方法的正确率通常很低。基线算法的另一个作用是帮助研究人员了解一个特定问题的最低要求，以及其他算法是如何超越这些最低要求的。 ...
_nodes/stats?metric=adaptive_selection,breaker,discovery,fs,http,indices,jvm
09-18
metric=adaptive_selection,breaker,discovery,fs,http,indices,jvm 是 Elasticsearch 提供的一个 API 端点，用于获取关于节点的统计信息。 adaptive_selection：自适应路由选择算法的相关统计信息。自适应路由选择...
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