- 博客(4)
- 收藏
- 关注
RSS订阅原创 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
69
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
130
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