表征学习Representation Learning

1入门

https://zhuanlan.zhihu.com/p/136554341

2、 representation learning

解耦（disentangled）、可解释（ Interpretable ）

ICRL顶级会议

和gan联系的比较紧密，如infogan

 

3、和reid结合

Look across Elapse: Disentangled Representation Learning and Photorealistic Cross-Age Face Synthesis for Age-Invariant Face Recognition

模型合成不同年龄的人脸，同时得到年龄不变特征

nips2019: Learning Disentangled Representation for Robust Person Re-identification

核心也是gan网络，生成更多样的数据。

 

icrl2020:

Decoupling Representation and Classifier for Long-Tailed Recognition

先做表征学习，再做分类学习，将两部分接耦。探究训练的顺序、采样策略等是如何影响长尾识别的。具体做法是先训backbone，然后在固定backbone训分类。

思路很简单，可迁移性强。

On Mutual In