学习笔记: 三种弱监督的方向

最新推荐文章于 2024-06-07 00:06:15 发布
最新推荐文章于 2024-06-07 00:06:15 发布
阅读量288 收藏
点赞数
分类专栏： # 可以 # 迁移学习-跨域自适应 # 可以uda
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_44523062/article/details/107044180
版权

在这里插入图片描述
在这里插入图片描述

1 inaccurate (SEAL 边缘对齐)

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

2 incomplete

在这里插入图片描述
在这里插入图片描述
Domain shift

在这里插入图片描述
在这里插入图片描述

self-train 就是 伪标签法: 概率模型取高置信度伪标签

在这里插入图片描述

finetune做的事情是target也有loss，迁移原模型到target微调

在这里插入图片描述
在这里插入图片描述

伪标签法的类别平衡方法

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

REID joint D和G的外貌和结构gan

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

inexact

在这里插入图片描述
在这里插入图片描述

AIchiNiurou
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
人工智能技术基础系列之：弱监督学习
禅与计算机程序设计艺术
10-15 318
作者：禅与计算机程序设计艺术 1.背景介绍 概念与定义 弱监督学习(weakly-supervised learning) 是一种不需要提供标签信息的机器学习方法，适用于数据集的规模较小或标记数据集难以获得的情况。通过构建有监
《机器学习导论》干货笔记
10-18
本笔记深入探讨了监督学习和非监督学习这两种主要的学习方式，并从算法的角度出发，解析了一些关键的机器学习方法。 一、监督学习 监督学习是一种在已知输入与对应输出的情况下，通过训练模型来学习数据规律的方法...
弱监督学习
zlrai5895的博客
12-13 2383
  通常来说，弱监督可以分为三类。第一类是不完全监督（incomplete supervision），即，只有训练集的一个（通常很小的）子集是有标签的，其他数据则没有标签。这种情况发生在各类任务中。例如，在图像分类任务中，真值标签由人类标注者给出的。从互联网上获取巨量图片很容易，然而考虑到标记的人工成本，只有一个小子集的图像能够被标注。第二类是不确切监督（inexact supervision）...
深度学习中的弱监督学习
最新发布
weixin_42605076的博客
06-07 1175
弱监督学习是深度学习中的重要方法，通过利用有限、部分或不完全标注的数据，结合无标签数据，学习有效的模型。主要方法包括数据增强、自训练、一致性正则化、生成对抗网络和图形正则化等。弱监督学习在计算机视觉、自然语言处理、医疗影像、自动驾驶和金融领域等广泛应用，具有降低标注成本、利用海量数据、提高鲁棒性和广泛适用等优势。然而，它也面临标签噪声处理、模型评估、训练稳定性和复杂性处理等挑战。通过不断改进和创新，弱监督学习将在更多实际应用中展现其潜力。
机器学习：弱监督学习简介
热门推荐
Matrix-11
05-29 1万+
在机器学习领域，我们遇见最多的是有监督学习，学习 x 到 y 的一种映射，X 可以看成是特征向量，维度可以从几十到几百，上千，甚至百万，y 可以看成是标签，(x, y) 构成了一个训练样本，有输入，输出。这种形式的学习，都称之为有监督学习。 虽然我们都已步入了大数据时代，每时每刻，我们都会产生很多的数据，图像，视频，这些数据就类似我们说的 x，为了构造一个识别模型，我们有足够多的 x，可是我们却缺...
机器学习笔记整理
04-18
本部分主要介绍监督学习与无监督学习中的几种常见方法。 ##### 二分类 二分类是机器学习中最基本的分类任务之一。在二分类中，数据样本被分为两类，例如正类与负类。**支持向量机(SVM)**是二分类任务中的一个重要...
记录机器学习的笔记.zip
04-23
《机器学习笔记精要》 在信息技术飞速发展的今天，机器学习已经成为了一个不可或缺的重要领域，它使得计算机系统能够从数据中自动学习并不断优化。这本"记录机器学习的笔记"压缩包，无疑是对这一复杂而富有挑战性的...
ISL-python：作为Jupyter笔记本的《统计学习入门》中的实验和练习解决方案
01-31
9. **Boosting Algorithms** 如AdaBoost、Gradient Boosting等，通过组合弱学习器形成强学习器，逐步优化模型性能。 10. **LDA (Linear Discriminant Analysis)** 是一种统计分类方法，它寻找最大化类间距离和最小...
关于弱监督学习
YiLiang
03-05 5148
学习记录
Python-端到端的弱监督语义对齐
08-11
端到端的弱监督语义对齐
机器学习（4）——弱监督学习
Fo*(Bi)的博客
11-12 1万+
什么是弱监督学习？ 监督学习技术通过学习大量标记的训练样本来构建预测模型，在很多领域获得了巨大成功。但由于数据标注的本身往往需要很高成本，在很多任务上都很难获得全部真值标签这样比较强的监督信息。而无监督学习由于缺乏制定的标签，在实际应用中的性能往往存在很大局限。针对这一问题，相关研究者提出了弱监督学习的概念，弱监督学习不仅可以降低人工标记的工作量，同时也可以引入人类的监督信息，在很大程度上提高无监督学习的性能。 弱监督学习是相对于监督学习而言的。同监督学习不同，弱监督学习中的数据标签允许是不完全的，即训练集
弱监督学习和半监督学习
jacke121的专栏
05-13 623
弱监督学习和半监督学习
简要介绍弱监督学习（by 周志华）
bananalone的博客
05-31 6039
原文：《A Brief Introduction to Weakly Supervised Learning》 作者：周志华 弱监督学习1. 概览2. 不完全监督（incomplete supervision）2.1 主动学习2.2 半监督学习2.2.1 为什么未标注数据对构建预测模型有用？2.2.2 基本假设2.2.3 主要方法3. 不确切监督（inexact supervision）4. 不准确监督（inaccurate supervision）5. 总结6. 参考资料 1. 概览 在强监督条件下，.
【弱监督学习】Learning from Incomplete and Inaccurate Supervision
weixin_43728604的博客
09-13 691
现在的有监督学习需要大量的高质量的标签才能进行，而在真实情况下，我们往往不能获得非常多的高质量标签，我们获取到的标签可能是不完全的，同时也可能是不准确的，当然也可能是既不完全、也不准确的。这时传统的有监督学习就面临比较大的挑战，而本文作者正聚焦于此，他提出一种新的方法能够在大量无标签数据的帮助下减少具有噪声的标签带来的负面影响。这种方法也就被称作不完全、不准确监督学习，也可以单纯的理解为弱监督学习。
浅谈弱监督学习（Weakly Supervised Learning）
idol24的博客
04-11 2390
来源：知乎—Lori地址：https://zhuanlan.zhihu.com/p/81404885之前看了周志华老师的《A Brief Introduction to Weakly Supervised Learning》，觉得大受启发，一直想动笔总结一下，今天终于来填坑了。机器学习在很多任务中取得了很大的成功。众所周知，在机器学习领域，学习任务可大致划分为两类，一种是...
弱监督学习——A brief introduction to weakly supervised learning
shaoyue1234的专栏
04-23 880
A brief introduction to weakly supervised learning分类应用常用方法incomplete supervisionactive learningsemi-supervised learning二者的区别inexact supervisionmulti-instance learninginaccurate supervisionlearning with label noise参考 分类 incomplete supervision：只有一部分子集给出标签；
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