度量学习 Metric Learning

最新推荐文章于 2023-01-20 21:55:06 发布
最新推荐文章于 2023-01-20 21:55:06 发布
阅读量143 收藏 1
点赞数 1
分类专栏： 增量学习 机器学习 文章标签： 深度学习
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_42305039/article/details/115311780
版权

定义：
度量学习的对象通常是样本特征向量的距离，度量学习的目的是通过训练和学习，减小或限制同类样本之间的距离，同时增大不同类别样本之间的距离。

个人笔记：
goodnote中

参考文献
https://blog.csdn.net/xys430381_1/article/details/90705421

Enabler_Rx
关注
  • 1
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Metric Learning度量学习简介及应用（分享笔记）
互相学习的小博客
03-01 4287
Metric Learning度量学习简介及应用（分享笔记）
常见距离度量和相似度度量
邢为栋
01-29 1317
在模式识别，数据挖掘，机器学习等领域，距离度量和相似度度量有着很广泛的应用，对这些度量算法有一定程度的理解，可以帮助我们更好的处理和优化在这些领域遇到的问题。 距离度量算法和相似度度量算法是基础算法，经常被用在其他更高级的算法中。比如K最近邻（KNN）和K均值（K-Means）可以使用曼哈顿距离或者欧式距离作为度量方法。 本文介绍一些常见的距离度量算法和相似度度量算法。 算法定义描述，部分内容摘自百度百科，下面不一一标注。 常见距离度量 曼哈顿距离 算法说明 曼哈顿距离（Manhattan Distance
缩小类内距离增大类间距离策略——摘自知乎（作者：新想）
weixin_45291262的博客
08-14 4180
缩小类内距离增大类间距离策略——摘自知乎（作者：新想）1.triplet loss2. L-softmax3. A-softmax4. Am-softmax5. CenterLoss 1.triplet loss 最初是在FaceNet: A Unified Embedding for Face Recognition and Clustering论文中提出的，可以学到较好的人脸的embedding; 是深度学习中的一种损失函数，用于训练差异性较小的样本，如人脸等， Feed数据包括锚（Anchor）示例、
相似性度量（距离度量）方法（一）：基本种类与公式
热门推荐
weixin_60737527的博客
04-20 2万+
相似性度量（或距离度量）方法在多元统计中的聚类分析、判别分析中的距离判别法、泛函分析、机器学习等方面都有应用。所以对于数据分析、机器学习等方面，掌握相似性的不同度量方法是十分重要且必要的。 相似性度量与距离度量本质上是同一件事情。如果两组数据之间的距离越大，那么相似性越小；反正，如果相似性越大，那么距离越小，这是可以直观理解的。 但是距离度量与相似度量还是有一点点区别的。距离度量，一般情况下距离是大于0的数；而相似性或相异性通常数值介于[0,1]之间。相似性与相异性统称为邻近度。 对于相似性的度量，首
度量学习---综述
xys430381_1的专栏
05-30 1万+
度量函数 metric learning 摘自：《Multi-Attention Multi-Class Constraint for Fine-grained Image Recognition》 Apart from the techniques above, deep metric learning aims at the learning of appropriate similarity...
机器学习: Metric Learning (度量学习) 学习笔记
04-01
目前，机器学习中的K近邻(KNN)分类算法和支持向量机(SVM)算法被认为是处理文本分类的最好方法。但KNN分类算法有以下的缺陷： KNN是基于近邻度量的一种模式分类算法，它高度依赖于数据间的相似度度量，简单的欧式距离...
pytorch_metric_learning 一个灵活且可扩展的度量学习库，用PyTorch编写-python
06-18
pytorch_metric_learning 一个灵活且可扩展的度量学习库，用PyTorch编写PyTorch Metric Learning News 6 月 20 日：v0.9.87 带来了一些可能导致您现有代码中断的重大更改。 有关详细信息，请参阅发行说明。 文档 在...
metric_learning:用于面部识别的度量学习TF 2.0 + Keras算法实现
05-18
metric_learning 用于面部识别的度量学习TF 2.0 + Keras算法实现要求： Python 3.6+ 点安装-r requirements.txt 如果有GPU，请pip install tensorflow-gpu == 2.0.0（强烈建议）Datset设置： 这些步骤将下载VGGFace2...
metric-learn：Python中的度量学习算法
02-03
度量学习（Metric Learning）是一种机器学习方法，其目标是学习一个距离或相似性度量，使得具有相同类别的样本在新的度量空间中靠近，而不同类别的样本则远离。在给定的标题和描述中，我们关注的是Python库`metric-...
A Discriminative Metric Learning Based Anomaly Detection Method
12-21
A metric learning method is then performed to obtain the robust anomaly degree measurements. Experiments with three hyperspectral data sets reveal that the proposedmethod outperforms other current ...
概念解读：度量学习
Sophie_DL的博客
01-20 140
英文的定义是：“Distance metric learning (or simply, metric learning) aims at automatically constructing task-specific distance metrics from (weakly) supervised data, in a machine learning manner. ”根据网上的定义，度量学习是“通过机器学习的形式，根据训练数据，自动构造出一种基于特定任务的度量函数。
度量学习
毛财胜的专栏
09-26 1万+
度量学习（Metric Learning）也就是常说的相似度学习。
周志华 《机器学习》之 第十章（降维与度量学习）概念总结
不系之舟的专栏-QQ讨论群331590339
08-26 3398
降维在一起图像识别过程也经常被采用的一种分类算法，例如二维数据经过投影变为一维数据，从而更好的表征数据的特征，再进行识别。在前面章节中提到过LDA（线性判别分析）也可以当做一种简单降维处理。在周老师的这章中主要讲述PCA主成分分析算法对高维数据进行降维。降维是一种解决维数灾难的重要途径。书中从如下几节进行介绍：1、K邻近学习2、低维嵌入3、主成分分析（PCA）4、核化线性降维5、流形学习6、度量学习
度量学习（metric learning）损失函数
05-12 2万+
学习的对象通常是样本特征向量的距离，度量学习的目的是通过训练和学习，减小或限制同类样本之间的距离，同时增大不同类别样本之间的距离。常用度量学习损失方法（1）对比损失用于训练Siamese（孪生）网络，，输入为两张图片，每一对训练图片都有一个标签y，y=1表示两张图片属于同一个人（正样本对），反之y=0，表示他们属于不同的行人（负样本对）对比损失函数：当输入为正样本对的时候，d(Ia,Ib)逐渐减小...
维度学习、度量学习
Roykuang的专栏
12-10 1万+
之所以将这三个放在一起，主要是在学习的时候，感觉他们之间有很大的关联，是一大类非监督学习，且其中的主要算法都可以从这几个学习方法的角度来解释。我的一个不成熟的解释是，这三种算法都是在寻找一种转换，将数据放在一个适合的空间，以求获得合适的度量方式（距离度量，维度度量等等）。这里主要总结了其他大神们的杰作，以及西瓜书上的内容。维度灾难发生时，利用维度学习将数据转换到合适空间；流形学习利用拓扑流形概念来
ReID基础 | 表征学习和度量学习
滨哥v5的博客
04-06 1754
ReID
CenterLoss | 减小类间距离
yuanCruise
05-13 5059
1.centerloss原理 centerloss中心损失它仅仅用来减少类内的差异，而不能有效增大类间的差异性。下图中，图（a)表示softmax loss学习到的特征描述 。图（b)表示softmax loss + center loss 学习到的特征描述，他能把同一类的样本之间的距离拉近一些，使其相似性变大，尽量的往样本中心靠拢，但可以看出他没有把不同类样本之间的样本距离拉大。 centerloss的主要思路为：让每一类特征尽可能的在输出特征空间内聚集在一起。更直白的描述就是每一类的特征在特征空间中尽
小样本学习之关系网络：让机器自己学习如何度量
逸乡
04-23 3747
论文：2018-CVPR-《Learning to Compare: Relation Network for Few-Shot Learning》 之前讲过一篇有关度量学习的论文--原型网络。那篇论文中讨论了如何将样本投影到一个嵌入空间中，使得相似样本间的距离较近，他学习的是如何投影这个过程，而样本间的距离度量方法是人为设定的，这样的话那个投影过程也就是基于人为设定的度量方法来学习的了。就像我...
度量学习Metric Learning
qq_15821487的博客
11-09 3460
其实就是，学习出一直度量样本直接距离的函数空间。 度量学习 直接度量 转换后度量 深度度量学习 样本挖掘 模型结构 损失函数 度量学习（Metric Learning）是一种空间映射的方法，其能够学习到一种特征（Embedding）空间，在此空间中，所有的数据都被转换成一个特征向量，并且相似样本的特征向量之间距离小，不相似样本的特征向量之间距离大，从而对数据进行区分。度量学习应用在很多领域中，比如图像检索，人脸识别，目标跟踪等等。 那么什么是度量学习呢？度量学习(Metric Learning) 是人脸识别
deep metric learning
最新发布
06-28
### 回答1： 深度度量学习（deep metric learning）是一种深度学习技术，旨在学习数据之间的相似度度量。它可以用于许多应用程序，例如人脸识别、图像检索和推荐系统。通过学习数据之间的相似度度量，深度度量学习可以使相似的数据点更加接近，而不相似的数据点更加远离。这种技术可以提高许多应用程序的准确性和效率。 ### 回答2： Deep metric learning是指在深度学习模型中建立度量函数，用于计算不同数据样本之间的距离和相似度，并且能够在训练过程中不断地优化这个度量函数，以使得相似的样本被拉近，不相似的样本被推远。 在实际应用中，deep metric learning主要用于图像检索、人脸识别、视觉跟踪等领域。通过学习深度度量函数，可以实现对于特定场景下的数据，建立更加准确的相似度度量，提升模型性能。 Deep metric learning的主要挑战是如何构建合适的损失函数，以实现良好的度量学习。通常使用的有对比损失（contrastive loss）、三元组损失（triplet loss）、n-pair损失等。对于不同类型的数据，选择不同的损失函数往往可以取得更好的效果。 除此之外，选取合适的模型架构和实现技巧也非常重要，例如使用卷积神经网络（CNN）进行特征提取、使用欧氏距离或余弦相似度进行度量、设置动态采样策略以处理数据不平衡等。 总之，deep metric learning作为一种建立深度度量函数的技术，具有广泛的应用前景和研究意义，同时也需要在算法、数据、技术等多个方面进行不断的探索和优化。 ### 回答3： 深度度量学习是一种学习如何将多个样本映射到其中一个嵌入空间的技术。通俗来讲，它可以将相似的样本映射到接近的位置，不相似的样本映射到远离的位置。这个技术可以为计算机视觉领域中许多问题提供强力的支持，例如人脸识别、目标识别和图像聚类等问题。 在深度度量学习的技术中，我们通常会使用神经网络来实现样本嵌入的映射。神经网络可以学习到样本之间的相似性和距离度量，它可以通过训练来学习嵌入空间的参数，并且最终能够将样本嵌入到具有良好性能的空间中。 在深度度量学习中最流行的方法是对比损失函数，目的是通过学习网络参数使得相似的样本更加接近，并使不相似的样本更加远离。具体来说，对比损失函数通过比较不同的样本对来构建一个损失函数，这些样本对由相同类别或不同类别的样本组成。 深度度量学习可以概括为三个阶段：训练、验证和测试。在训练阶段，我们通过对神经网络模型进行监督来学习样本嵌入空间和度量。在验证阶段，我们可以通过检查嵌入空间中的样本分布来检查模型的性能和泛化能力。在测试阶段，我们可以使用已学习好的模型来计算未知样本的距离度量并进行比对。 总的来说，深度度量学习技术是一种重要的技术，可以在计算机视觉领域的许多问题中发挥重要的作用。它可以通过学习网络参数，使得相似的样本更聚集，不相似的样本更分散，提高模型的准确性和鲁棒性。
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