![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
自监督学习
TBYourHero
to be your hero
展开
-
Triple loss
一、Triplet结构:triplet loss是一种比较好理解的loss,triplet是指的是三元组:Anchor、Positive、Negative:整个训练过程是:首先从训练集中随机选一个样本,称为Anchor(记为x_a)。然后再随机选取一个和Anchor属于同一类的样本,称为Positive (记为x_p)最后再随机选取一个和Anchor属于不同类的样本,称为Negative (记为x_n)由此构成一个(Anchor,Positive,Negative)三元组。二、Triplet原创 2020-08-12 21:41:26 · 2215 阅读 · 0 评论 -
对比自监督学习简记
1.阅读笔记-《Data-Efficient Image Recognition with Contrastive Predictive Coding》cpc-code-1:https://github.com/davidtellez/contrastive-predictive-coding cpc-code-2:https://github.com/flrngel/cpc-tensorflow2.CPC (representation learning with contrastive pr.原创 2020-08-12 22:42:18 · 769 阅读 · 0 评论 -
自监督:对比学习contrastive learning
对比自监督学习英文原文对比自监督学习导读利用数据本身为算法提供监督。对比自监督学习技术是一种很有前途的方法,它通过学习对使两种事物相似或不同的东西进行编码来构建表示。自监督方法将取代深度学习中占主导地位的直接监督范式的预言已经存在了相当一段时间。Alyosha Efros打了一个著名的赌,赌在2015年秋季之前,一种无监督的方法将会在检测Pascal VOC方面胜过有监督的R-CNN。但四年之后,他的预言现在已经实现了。目前,自监督方法(MoCo, He et al., 2019)在Pasc转载 2020-07-30 15:59:15 · 17368 阅读 · 2 评论