- 博客(4)
- 收藏
- 关注
原创 论文阅读(二)Self-paced contrastive learning withhybrid memory for domain adaptive object re-id.
一个可靠的类,它应该离别的类或者别的离群点更远,同样,一个可靠的类内的所有样本的距离应该足够近,足够紧凑。因此受此启发,设计了两个判断标准,一个是判断类是否独立,即是否离别的类或者离群点远,还有一个是判断类是否足够紧凑,即类内样本的距离是否足够近。首先我们要明确的是,Hybrid Memory里面存的是什么,里面存的是源域的类中心和目标域的所有样本。主要方法:首先,设计了一个可以使用以上三类一起训练的loss,然后,考虑到非集群点可能的噪声问题,优化了聚类过程,以挑选更可靠的样本。vi是该类的所有样本点。
2023-09-05 22:31:57 71
原创 论文阅读(一):Weakly Supervised Text-based Person Re-Identification
优化过程如图中所说,(1)对于聚类后没有在类中的样本,首先在另一个模态中找到它对应的instance B,(2)如果B在类内,则在类中找到离B最近的instance C,(3)在另一个模态中拿到C对应的instance D,如果D在类内,则A也属于D这一类。其中CMPM解决的是跨模态对齐的问题,HSM是难样本挖掘,MPLR是聚类分配id的。对于两个文本,先各自提取句子中的名词,再将所有名词的交集除以名词的并集,得到文本的IoU。这包括两部分,跨模态的难样本挖掘和模态内的难样本挖掘。(1)跨模态难样本挖掘。
2023-09-04 17:40:57 131 1
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人