学习视觉相似度对于各种视觉任务至关重要,如图像聚类、人脸检测或图像检索,从而为日常应用奠定基础,如智能手机上的图像集合的智能排列、浏览器中的网络规模的图像搜索或在线购物时推荐产品。今天,学习捕捉相似度的视觉表示的主要方法是深度度量学习,它专门针对从新颖的、看不见的类中检索对象和图像。此外,相似性学习与对比学习密切相关,对比学习是自监督学习的主导方法,分别是迁移学习。

在本教程中,我们将深入介绍深度度量学习(DML)的领先学习范式,以及如何实际评估其(超出分布)泛化的未来方向。具体来说,本教程将涵盖以下主题: (i) DML目标函数的概况,(ii)先进的和上下文相关的DML公式,(iii) DML中数据采样的重要性,(iv)公平和现实地评估DML方法的最佳实践,最后,(v)我们将DML与计算机视觉和模式识别的相关领域联系起来,如对比学习,少样本学习,迁移学习和人脸识别。

成为VIP会员查看完整内容
28
0

相关内容

专知会员服务
21+阅读 · 2021年10月20日
【CVPR2021】自监督几何感知
专知会员服务
35+阅读 · 2021年3月6日
最新《域自适应视觉应用》ECCV2020教程,67页PPT
专知会员服务
20+阅读 · 2020年12月24日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
22+阅读 · 2020年11月5日
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
59+阅读 · 2019年11月25日
VALSE 短教程 第03期:视觉与语言智能
VALSE
0+阅读 · 2021年9月18日
讲座报名 | CMU博士后带来自监督学习主题分享
THU数据派
0+阅读 · 2021年8月30日
IJCAI2021 | 深度推荐系统教程 (附Slides)
机器学习与推荐算法
0+阅读 · 2021年8月25日
计算机视觉中深度迁移学习,165页PPT
专知
17+阅读 · 2019年8月18日
CVPR2019教程《胶囊网络(Capsule Networks)综述》,附93页PPT
GAN生成式对抗网络
28+阅读 · 2019年6月21日
计算机视觉专题分享总结(附PPT)
机器学习读书会
35+阅读 · 2017年7月6日
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
Arxiv
0+阅读 · 6月29日
Arxiv
49+阅读 · 2021年6月18日
Arxiv
14+阅读 · 2021年6月10日
Arxiv
42+阅读 · 2021年5月9日
Arxiv
11+阅读 · 2020年6月20日
Arxiv
10+阅读 · 2020年4月12日
Arxiv
44+阅读 · 2018年12月11日
Arxiv
20+阅读 · 2018年1月17日
小贴士
相关VIP内容
专知会员服务
21+阅读 · 2021年10月20日
【CVPR2021】自监督几何感知
专知会员服务
35+阅读 · 2021年3月6日
最新《域自适应视觉应用》ECCV2020教程,67页PPT
专知会员服务
20+阅读 · 2020年12月24日
最新《域自适应视觉应用》ECCV2020教程,43页PPT
专知会员服务
22+阅读 · 2020年11月5日
最新《几何深度学习》教程,100页ppt,Geometric Deep Learning
【EMNLP2019教程】端到端学习对话人工智能,附237页PPT下载
专知会员服务
59+阅读 · 2019年11月25日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
1+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
相关论文
Arxiv
0+阅读 · 6月29日
Arxiv
49+阅读 · 2021年6月18日
Arxiv
14+阅读 · 2021年6月10日
Arxiv
42+阅读 · 2021年5月9日
Arxiv
11+阅读 · 2020年6月20日
Arxiv
10+阅读 · 2020年4月12日
Arxiv
44+阅读 · 2018年12月11日
Arxiv
20+阅读 · 2018年1月17日
微信扫码咨询专知VIP会员