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。
漫谈度量学习(Distance Metric Learning)那些事儿
PaperWeekly
7+阅读 · 2022年1月22日
【博士论文】开放环境下的度量学习研究
专知
6+阅读 · 2021年12月4日
直播预告 | 9月25日:中欧联合实验室系列学术讲座
中国科学院自动化研究所
0+阅读 · 2021年9月22日
【CVPR2021】动态度量学习
专知
4+阅读 · 2021年3月30日
深度学习图像检索(CBIR): 十年之大综述
专知
63+阅读 · 2020年12月5日
小样本学习研究综述(中文版), 16页pdf
专知
7+阅读 · 2020年12月5日
参考链接
父主题
微信扫码咨询专知VIP会员