对比学习的主要思想是相似的样本的表示相近，而不相似的远离。对比学习可以应用于监督和无监督的场景下，并且目前在CV、NLP等领域中取得了较好的性能。本文先对
2022-03-09 16:28
对比学习是无监督表示学习中一种非常有效的方法，核心思路是训练query和key的Encoder，让这个Encoder对相匹配的query和key生成的编码距离接近，不匹配的编码距离远。想让
2022-07-08 11:03
有监督学习是最常见的一种机器学习问题，给定一个输入样本，预测该样本的label是什么。Partial Label Learning（PLL）问题也是预测一个样本对应的label，但是和有监督学习问题的差异是
2022-08-22 11:35
，然后将电平赋值给开发板LED0，从原理图来看，LED0高电平亮、低电平灭。同时由于LED0没有外接上拉电阻，IO模式设置为内部上拉的方式。对比SAM4L与XMEGA的IO模式，有些许不同。XMEGA
2016-08-19 12:33
视觉作为人类感知体验的核心部分，已被证明在建立语言模型和提高各种NLP任务的性能方面是有效的。作者认为视觉作为辅助语义信息可以进一步促进句子表征学习。
2022-09-21 10:06
基于MoCo[3]的框架，该文提出了用于文本识别的关系对比学习框架(RCLSTR)。如下图所示：1、在Online分支(上半部分)中引入了一个新的重排阶段，从原始分支中产生水平重排的图像，称为关系正则化模块（Relational Regularization）。
2023-09-14 17:21
首先，是否存在良好且广泛适用的表征呢？在计算机视觉等领域，答案是肯定的，因为深度卷积神经网络 (CNN) 在大型含多类别标签数据集 (如 ImageNet) 上以高精度训练时，最终会学习得到非常强大而简洁的表征信息。
2019-04-04 17:41
在基于聚类的伪标签法中，往往没有用到全部的目标域无标签数据，因为基于密度的聚类（如DBSCAN等）本身会产生聚类离群值（outlier），这些聚类离群值由于无法分配伪标签，所以被丢弃，不用于训练。
2020-11-03 09:33
开放域段落检索是给定一个由数百万个段落组成的超大文本语料库，其目的是检索一个最相关的段落集合，作为一个给定问题的证据。密集检索已成为开放域段落检索的重要有效方法。典型的密集检索器通常采用双编码器结构，双编码器受制于单向量表示，面临表示能力的上界。
2022-08-17 15:18
本次文章介绍我们于 TPAMI-2023 发表的一项用于视觉识别的相互对比学习在线知识蒸馏（Online Knowledge Distillation via Mutual Contrastive
2023-09-19 10:00
