会员服务
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。

精品内容

「面向复杂场景的行人重识别综述 」最新2022研究进展综述
「面向复杂场景的行人重识别综述 」最新2022研究进展综述
专知会员服务
36+阅读 · 2022年11月3日
「机器学习中原型学习」最新2022研究进展综述
「机器学习中原型学习」最新2022研究进展综述
专知会员服务
37+阅读 · 2022年10月30日
【CVPR2022】海德堡大学《深度视觉相似性与度量学习》教程，200+页ppt
【CVPR2022】海德堡大学《深度视觉相似性与度量学习》教程，200+页ppt
专知会员服务
43+阅读 · 2022年6月22日
机器学习中原型学习研究进展
机器学习中原型学习研究进展
专知会员服务
46+阅读 · 2022年1月18日
智能视频监控关键技术:行人再识别研究综述
智能视频监控关键技术:行人再识别研究综述
专知会员服务
39+阅读 · 2021年12月30日
【AAAI2022】 负样本问题：时间基础度量学习的复兴
【AAAI2022】 负样本问题：时间基础度量学习的复兴
专知会员服务
20+阅读 · 2021年12月26日
【博士论文】开放环境下的度量学习研究
【博士论文】开放环境下的度量学习研究
专知会员服务
46+阅读 · 2021年12月4日
【CVPR2020】物体实例持续学习，Continual Learning of Object Instances
【CVPR2020】物体实例持续学习，Continual Learning of Object Instances
专知会员服务
31+阅读 · 2020年4月26日
参考链接
父主题
机器学习
微信扫码咨询专知VIP会员
Top