度量学习（Distance Metric Learning）介绍

最新推荐文章于 2022-01-22 21:01:48 发布
最新推荐文章于 2022-01-22 21:01:48 发布
阅读量906 收藏 1
点赞数
分类专栏： 机器学习

先烈一些DML的参考资源，以后有时间再详细谈谈。

1. Wikipedia

2. CMU的Liu Yang总结的关于DML的综述页面。对DML的经典算法进行了分类总结，其中她总结的论文非常有价值，也是我的入门读物。

3. ECCV 2010的turorial。

4. Weinberger的页面，上面有LMNN（Distance Metric Learning for Large Margin Nearest Neighbor Classification）的论文、sclides和代码。

5. ITML(Information Throretic Metric Learning)。ITML是DML的经典算法，获得了ICML 2007的best paper award。sclides。


yhdzw
关注
专栏目录
度量学习(Metric Learning)
AI天才研究院
07-12 840
度量学习(Metric Learning) Metric Learning. 度量学习(Metric Learning)是指在特定的任务上通过理解样本之间的相似关系，学习一个合适的距离度量函数。传统的度量学习方法通常使用
Distance Metric Learning
ltochange的博客
07-12 381
图片来自论文Improved Deep Metric Learning with Multi-class N-pair Loss Objective Distance Metric Learning学习的相对距离，而不在乎实际的值。包含如图所示的两种形式，xxx是代表输入样本，yyy是代表对应的标签，fff是代表模型： （1）contrastive loss：输入是两个（组）样本，计算loss时，需要区分两个样本是否属于同类，若属于同类，loss等于距离的值，若不属于同类并且距离大于m，loss的值忽略不.
（Distance Metric Learning）度量学习学习资料
alva_bobo的博客
07-31 937
原文链接：http://blog.csdn.net/lzt1983/article/details/7884553 度量学习学习资料 1. Wikipedia 2. CMU的Liu Yang总结的关于DML的综述页面。对DML的经典算法进行了分类总结，其中她总结的论文非常有价值，也是我的入门读物。 3. ECCV 2010的turorial。
漫谈度量学习（Distance Metric Learning）那些事儿
Paper weekly
01-22 3520
©作者 | 黄春喜单位| 香港科技大学研究方向 | 智能交通前言上图为 2018 年 4 月在杭州阿里中心听 Michael Jordan 讲座时所摄，他本人也是 distance me...
An Overview of Distance Metric Learning (by Liu Yang)
03-06
Liu Yang撰写的文章《An Overview of Distance Metric Learning》是一篇经典的度量学习综述论文，它对度量学习领域内的问题进行了分类，并详细总结了每类问题下现有的工作及其本质联系、优势和不足。 文章首先介绍...
Decomposition based Transfer Distance Metric Learning for Image Classification
02-22
这篇研究论文的标题为“基于分解的转移距离度量学习用于图像分类（Decomposition based Transfer Distance Metric Learning for Image Classification）”，由Yong Luo, Tongliang Liu, Dacheng Tao以及Chao Xu撰写...
metric-learn：Python中的度量学习算法
02-03
8. **Distance Metric Learning for Large Margin Nearest Neighbors (DML-eig)**：这种方法通过寻找最大边距投影来学习一个新的度量空间，使得同类样本尽可能接近，而不同类样本尽可能远离。 使用`metric-learn`时...
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，简单的欧式距离在实际应用时，由于不考虑不同维度之间对分类的影响以及输入数据数据维数高的问题，往往不能取得良好的分类效果。 KNN 分类算法虽然可以一定情况下克服数据偏斜带来的分类误差，但是这也是造成它对样本密度分布敏感的主要原因，当类间密度高度分布不均时，分类效果会有较大的影响。
XQDA.rar_XQDA_XQDA 度量学习_度量学习_行人重识别
09-23
用于度量学习，可以用于特征分类，最常应用于行人重识别的研究过程
二抽取代码MATLAB-LOMO_XQDA:通过局部最大出现表示和度量学习对人员进行重新识别
05-26
二摘代码MATLAB LOMO_XQDA 通过局部最大出现表示和度量学习对人员进行重新识别 介绍 该MATLAB包提供了我们的CVPR 2015论文[1]中提出的LOMO特征提取和XQDA度量学习算法。 项目页面： 内容 该软件包包含以下组件。 / code：用于LOMO特征提取和XQDA度量学习算法的MATLAB代码，以及两个演示如何使用这两种算法的演示。 为了评估目的，还提供了两个用于计算马氏距离和CMC曲线的函数。 / bin：用于Retinex图像预处理的MEX函数。 由于不允许发布其源代码，因此我们为Windows和Linux，x86和x64平台提供MEX函数。 / images：VIPeR数据库中的两个示例图像，用于演示LOMO功能提取。 / data：为VIPeR，QMUL Grid，中大校园和CUHK03数据库提取的LOMO功能。 由于功能文件的大小，它们作为单独的下载提供。 /结果：在我们的CVPR 2015论文中报告的CMC曲线。 您可以绘制这些曲线以进行性能比较。 用法 为了快速入门，请运行Demo_LOMO.m代码以进行特征提取演示，然后将已提取的LOMO特征从
Deep-Metric-Learning-CVPR16, 提升结构化特征嵌入的深度量学习主库.zip
09-17
Deep-Metric-Learning-CVPR16, 提升结构化特征嵌入的深度量学习主库 基于提升结构特征嵌入的深度度量这个库有源代码和斯坦福在线产品数据集( ) 。 本文在 cv基础上进行了研究。 如果你只需要Caffe代码，请查看子模块。 对于损耗层实现，请看这里的 。引用这里工作如果你发现这里工作在你的研究中有用，请
度量学习Metric Learning
邦戈邦戈栗子的博客
01-14 3168
度量学习 (Metric Learning) == 距离度量学习 (Distance Metric Learning，DML) == 相似度学习  度量学习 是指 距离度量学习，Distance Metric Learning，简称为 DML，是人脸识别中常用传统机器学习方法，由Eric Xing在NIPS 2002提出。 度量学习（Metric Learning）也就是常说的相似度学习。如果...
度量学习
Bruce_0712的博客
10-24 449
本次我们介绍一篇来自新加坡南洋理工大学（NTU）的一篇发表在计算机视觉顶会CVPR 2015的文章：Deep Transfer Metric Learning。从题目上就能看出，文章是关于三个方面的：deep learning, transfer learning, 以及metric learning。前两个我们都已经非常熟悉，第三个metric learning是什么？我们将首先介绍metric learning的背景知识，然后进入主题，解读文章。 背景： Metric Learning 在机器学习中
Distance Metric Learning for Large Margin Nearest Neighbor Classification
orangerfun的博客
12-23 797
1. Intro 模式分类最古老和最简单的方法之一是k近邻(k-nearest neighbors, kNN)算法。kNN算法通过训练集中k个最近邻的多数标签对每个未标记的例子进行分类。尽管它很简单，但kNN算法经常产生很好的结果，并且在某些领域，当巧妙地与先验知识相结合时，它可以产生非常好的结果。 根据其决策规则的本质可知，kNN分类的性能关键在于不同样本之间的距离的计算方式。当没有先验知识可用时，kNN的大多数实现是计算简单的欧几里得距离。不幸的是，欧几里得距离忽略了那些可以从大量带标签的样本中估计出来
文献阅读 - Distance Metric Learning for Large Margin Nearest Neighbor Classification
Always On The Way
04-29 3566
Distance Metric Learning for Large Margin Nearest Neighbor Classification Weinberger K Q . Distance Metric Learning for Large Margin Nearest Neighbor Classification[J]. JMLR, 2006, 10. 摘要 度量（metric）...
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