会员服务

M-ADDA: Unsupervised Domain Adaptation with Deep Metric Learning

2018 年 7 月 6 日 Arxiv Issam Laradji,Reza Babanezhad
登录查看更多
0

相关内容

度量学习的目的为了衡量样本之间的相近程度，而这也正是模式识别的核心问题之一。大量的机器学习方法，比如K近邻、支持向量机、径向基函数网络等分类方法以及K-means聚类方法，还有一些基于图的方法，其性能好坏都主要有样本之间的相似度量方法的选择决定。 度量学习通常的目标是使同类样本之间的距离尽可能缩小，不同类样本之间的距离尽可能放大。
【Google】监督对比学习，Supervised Contrastive Learning
【Google】监督对比学习，Supervised Contrastive Learning
专知会员服务
72+阅读 · 2020年4月24日
【微软亚洲研究院】无监督词嵌入对齐的几何感知域自适应，Geometry-aware Domain Adaptation for Unsupervised Alignment of Word Embeddings
【微软亚洲研究院】无监督词嵌入对齐的几何感知域自适应，Geometry-aware Domain Adaptation for Unsupervised Alignment of Word Embeddings
专知会员服务
21+阅读 · 2020年4月21日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
40+阅读 · 2020年4月11日
【伯克利】最新《深度半监督学习》总述，146页ppt，Semi-Supervised Learning
【伯克利】最新《深度半监督学习》总述，146页ppt，Semi-Supervised Learning
专知会员服务
140+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
160+阅读 · 2020年3月18日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
91+阅读 · 2020年3月12日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
专知会员服务
157+阅读 · 2020年2月29日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
52+阅读 · 2020年1月30日
【浙江大学-AAAI2020】领域自适应的对抗损失，Adversarial-Learned Loss for Domain Adaptation
【浙江大学-AAAI2020】领域自适应的对抗损失，Adversarial-Learned Loss for Domain Adaptation
专知会员服务
61+阅读 · 2020年1月11日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
52+阅读 · 2019年10月17日
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
25+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
专知
11+阅读 · 2018年6月24日
【论文推荐】最新5篇度量学习（Metric Learning）相关论文—人脸验证、BIER、自适应图卷积、注意力机制、单次学习
【论文推荐】最新5篇度量学习（Metric Learning）相关论文—人脸验证、BIER、自适应图卷积、注意力机制、单次学习
专知
17+阅读 · 2018年2月11日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
Evolving Losses for Unsupervised Video Representation Learning
Arxiv
23+阅读 · 2020年2月26日
Unsupervised Domain Adaptation on Reading Comprehension
Arxiv
5+阅读 · 2019年11月13日
Continual Unsupervised Representation Learning
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Few-shot Learning with Meta Metric Learners
Arxiv
13+阅读 · 2019年1月26日
Learning Embedding Adaptation for Few-Shot Learning
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Learning Unsupervised Learning Rules
Arxiv
7+阅读 · 2018年5月23日
Online Deep Metric Learning
Arxiv
8+阅读 · 2018年5月15日
Adversarial Feature Augmentation for Unsupervised Domain Adaptation
Arxiv
6+阅读 · 2018年5月4日
Attention-based Ensemble for Deep Metric Learning
Arxiv
16+阅读 · 2018年4月2日
Active Metric Learning for Supervised Classification
Arxiv
9+阅读 · 2018年3月28日
VIP会员
相关主题
度量学习
损失函数（机器学习）
Performer
数据集
无监督
标注
计算学习理论
机器学习
相关VIP内容
【Google】监督对比学习，Supervised Contrastive Learning
【Google】监督对比学习，Supervised Contrastive Learning
专知会员服务
72+阅读 · 2020年4月24日
【微软亚洲研究院】无监督词嵌入对齐的几何感知域自适应，Geometry-aware Domain Adaptation for Unsupervised Alignment of Word Embeddings
【微软亚洲研究院】无监督词嵌入对齐的几何感知域自适应，Geometry-aware Domain Adaptation for Unsupervised Alignment of Word Embeddings
专知会员服务
21+阅读 · 2020年4月21日
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
强化学习的对比无监督表示，CURL: Contrastive Unsupervised Representations for Reinforcement Learning
专知会员服务
40+阅读 · 2020年4月11日
【伯克利】最新《深度半监督学习》总述，146页ppt，Semi-Supervised Learning
【伯克利】最新《深度半监督学习》总述，146页ppt，Semi-Supervised Learning
专知会员服务
140+阅读 · 2020年4月11日
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
100+篇《自监督学习(Self-Supervised Learning)》论文最新合集
专知会员服务
160+阅读 · 2020年3月18日
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
图像分类技巧集，17页ppt《Bag of Tricks for Image Classification》
专知会员服务
91+阅读 · 2020年3月12日
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
元迁移学习的小样本学习，Meta-transfer Learning for Few-shot Learning
专知会员服务
157+阅读 · 2020年2月29日
【跨语言BERT模型大集合】Transfer learning is increasingly going multilingual with language-specific BERT models
专知会员服务
52+阅读 · 2020年1月30日
【浙江大学-AAAI2020】领域自适应的对抗损失，Adversarial-Learned Loss for Domain Adaptation
【浙江大学-AAAI2020】领域自适应的对抗损失，Adversarial-Learned Loss for Domain Adaptation
专知会员服务
61+阅读 · 2020年1月11日
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
Deep Learning Based Detection and Correction of Cardiac MR Motion Artefacts During Reconstruction for High-Quality Segmentation
专知会员服务
52+阅读 · 2019年10月17日
热门VIP内容
相关资讯
Hierarchically Structured Meta-learning
Hierarchically Structured Meta-learning
CreateAMind
23+阅读 · 2019年5月22日
Transferring Knowledge across Learning Processes
Transferring Knowledge across Learning Processes
CreateAMind
25+阅读 · 2019年5月18日
强化学习的Unsupervised Meta-Learning
强化学习的Unsupervised Meta-Learning
CreateAMind
17+阅读 · 2019年1月7日
无监督元学习表示学习
无监督元学习表示学习
CreateAMind
25+阅读 · 2019年1月4日
Unsupervised Learning via Meta-Learning
Unsupervised Learning via Meta-Learning
CreateAMind
41+阅读 · 2019年1月3日
meta learning 17年：MAML SNAIL
meta learning 17年：MAML SNAIL
CreateAMind
11+阅读 · 2019年1月2日
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
【代码资源】GAN | 七份最热GAN文章及代码分享（Github 1000+Stars）
专知
11+阅读 · 2018年6月24日
【论文推荐】最新5篇度量学习（Metric Learning）相关论文—人脸验证、BIER、自适应图卷积、注意力机制、单次学习
【论文推荐】最新5篇度量学习（Metric Learning）相关论文—人脸验证、BIER、自适应图卷积、注意力机制、单次学习
专知
17+阅读 · 2018年2月11日
gan生成图像at 1024² 的 代码 论文
gan生成图像at 1024² 的 代码 论文
CreateAMind
4+阅读 · 2017年10月31日
Auto-Encoding GAN
Auto-Encoding GAN
CreateAMind
7+阅读 · 2017年8月4日
相关论文
Evolving Losses for Unsupervised Video Representation Learning
Arxiv
23+阅读 · 2020年2月26日
Unsupervised Domain Adaptation on Reading Comprehension
Arxiv
5+阅读 · 2019年11月13日
Continual Unsupervised Representation Learning
Continual Unsupervised Representation Learning
Arxiv
7+阅读 · 2019年10月31日
Few-shot Learning with Meta Metric Learners
Arxiv
13+阅读 · 2019年1月26日
Learning Embedding Adaptation for Few-Shot Learning
Learning Embedding Adaptation for Few-Shot Learning
Arxiv
16+阅读 · 2018年12月10日
Learning Unsupervised Learning Rules
Arxiv
7+阅读 · 2018年5月23日
Online Deep Metric Learning
Arxiv
8+阅读 · 2018年5月15日
Adversarial Feature Augmentation for Unsupervised Domain Adaptation
Arxiv
6+阅读 · 2018年5月4日
Attention-based Ensemble for Deep Metric Learning
Arxiv
16+阅读 · 2018年4月2日
Active Metric Learning for Supervised Classification
Arxiv
9+阅读 · 2018年3月28日
大家都在搜
  1. 智能仓储
  2. 无人艇
  3. 无人地面车辆
  4. 生成式人工智能
  5. MIT博士论文
  6. MoE
  7. 精益管理体系
  8. ads-b
  9. 卡尔曼
  10. 红外弱小目标检测算法综述
    11.
Top
微信扫码咨询专知VIP会员
Top