度量学习————Metric Learning

最新推荐文章于 2025-11-27 13:53:32 发布
原创 最新推荐文章于 2025-11-27 13:53:32 发布 · 1.3k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#度量学习 #Metric Learning

本文深入探讨了度量学习的概念，即距离度量学习（DML），解释了其在人脸识别和ReID等领域的应用。度量学习旨在通过最大化类别间差异和最小化类别内差异来提升相似度计算的准确性。

度量学习的概念

度量学习 (Metric Learning) == 距离度量学习 (Distance Metric Learning，DML) == 相似度学习 

度量学习 是指 距离度量学习，Distance Metric Learning，简称为 DML，目前常用于人脸识别、ReID

度量学习（Metric Learning）也就是常说的相似度学习。如果需要计算两张图片之间的相似度，如何度量图片之间的相似度使得不同类别的图片相似度小而相同类别的图片相似度大（maximize the inter-class variations and minimize the intra-class variations）就是度量学习的目标。

度量学习将相似性度量直接编码到训练目标中，基于分类的方法在训练集中的一组身份上训练分类器，然后利用网络的底层特征表示，在测试时执行最近邻居查询。在此设置中，度量学习通常会减少到最小化同一类的样本之间的距离，并强制不同类别的样本之间的距离。

一种是基于监督学习，另外一种是基于非监督学习

 

TYUT_xiaoming
关注
度量学习(Metric Learning)
AI天才研究院
07-12 1247
度量学习(Metric Learning) Metric Learning. 度量学习(Metric Learning)是指在特定的任务上通过理解样本之间的相似关系，学习一个合适的距离度量函数。传统的度量学习方法通常使用
少样本学习中的度量学习(Metric Learning)技术详解
AIGC应用创新大全的博客
07-09 703
本文旨在解决“如何让机器在只有少量样本时快速学会分类”的核心问题。我们将聚焦少样本学习中的度量学习技术，覆盖其核心概念、算法原理、实战案例及应用场景，帮助读者掌握从理论到落地的完整知识链。本文将按照“概念引入→原理拆解→代码实战→应用展望”的逻辑展开：先通过生活故事理解度量学习的核心思想，再用数学公式和代码解析经典模型（如Siamese网络、原型网络），最后通过实战案例演示如何用度量学习解决少样本分类问题。少样本学习：用少量标注样本学会分类新类别。度量学习：训练模型学习“相似性尺子”（嵌入空间中的距离）
机器学习: Metric Learning (度量学习) 学习笔记
04-01
目前，机器学习中的K近邻(KNN)分类算法和支持向量机(SVM)算法被认为是处理文本分类的最好方法。但KNN分类算法有以下的缺陷： KNN是基于近邻度量的一种模式分类算法，它高度依赖于数据间的相似度度量，简单的欧式距离在实际应用时，由于不考虑不同维度之间对分类的影响以及输入数据数据维数高的问题，往往不能取得良好的分类效果。 KNN 分类算法虽然可以一定情况下克服数据偏斜带来的分类误差，但是这也是造成它对样本密度分布敏感的主要原因，当类间密度高度分布不均时，分类效果会有较大的影响。
lbp代码matlab-kernel-metric-learning-reid:论文“使用基于内核的度量学习方法进行人员重新识别”的实现
05-21
lbp代码matlab
【机器学习】降维与度量学习：原理、实现与应用全解析
最新发布
大雨的博客
11-27 1149
本文系统探讨了降维与度量学习在机器学习中的核心技术与应用。首先介绍了降维技术（PCA、LDA、KPCA、t-SNE等）如何有效应对高维数据的维数灾难问题，随后阐述了度量学习（ITML、LMNN等）通过优化距离度量提升模型性能的原理。通过Python代码实例展示了Scikit-learn和Metric-Learn库的具体实现，并结合图像识别、文本分类等案例说明了其在实践中的显著效果。文章同时分析了当前面临的信息损失、计算复杂度等挑战，展望了与深度学习结合、多模态数据处理等未来发展方向。
论文笔记——Semantic Instance Segmentation via Deep Metric Learning
许希律的博客
09-15 1677
度量学习（Metric Learning）也就是常说的相似度学习。如果需要计算两张图片之间的相似度，如何度量图片之间的相似度使得不同类别的图片相似度小而相同类别的图片相似度大（maximize the inter-class variations and minimize the intra-class variations）就是度量学习的目标。 在这篇论文中，度量学习用于计算像素之间的相似度，...
度量学习-LMNN-对论文的个人理解(立意简单分类方法）
Pengcode的博客
10-13 1847
度量学习简介：简单来讲，就是学习如何衡量不同样本之间的相似性。 度量学习举例：对于样本x1,x2.度量学习的目的就是学习D(x1,x2).其中D函数有一下特点： 这里的D函数输出结果可以看作是相似性的倒数，或者干脆叫做差异性。其中L就是我们要学习的参数，目前本人知道的D的模式就有 1.神经网络（训练两个神经网络结构S1,S2;其输入分别是两个样本x1,x2;最终的输出是维度一致的y1,y2;训练的损失就是||y1-y2||，一个欧式距离损失，也就是二次损失)，神经网络模式下，又分了两种情况： 1.1
Metric Learning度量学习简介及应用（分享笔记）
互相学习的小博客
03-01 5688
Metric Learning度量学习简介及应用（分享笔记）
【机器学习笔记】降维与度量学习
MrsBaek的博客
06-13 1312
接着使用拉格朗日乘子法求解上面的优化问题，得到：
度量学习 (Metric Learning)（一）
Nehemiah_Li的专栏
03-12 4万+
度量学习（Metric Learning） 度量（Metric）的定义  在数学中，一个度量（或距离函数）是一个定义集合中元素之间距离的函数。一个具有度量的集合被称为度量空间。 1 为什么要用度量学习？ 很多的算法越来越依赖于在输入空间给定的好的度量。例如K-means、K近邻方法、SVM等算法需要给定好的度量来反映数据间存在的一些重要关系。这一问题在无监督的方法（如聚类）中尤为明显。举一
机器学习: Metric Learning (度量学习)
JNing
06-10 2万+
[1] Wikipedia-距离函数 [2] DistLearnKit [3] 基于深度学习的Person Re-ID（度量学习） [4] 度量学习 [5] 度量学习（Distance Metric Learning）介绍
度量学习（metric learning）损失函数
05-12 2万+
学习的对象通常是样本特征向量的距离，度量学习的目的是通过训练和学习，减小或限制同类样本之间的距离，同时增大不同类别样本之间的距离。常用度量学习损失方法（1）对比损失用于训练Siamese（孪生）网络，，输入为两张图片，每一对训练图片都有一个标签y，y=1表示两张图片属于同一个人（正样本对），反之y=0，表示他们属于不同的行人（负样本对）对比损失函数：当输入为正样本对的时候，d(Ia,Ib)逐渐减小...
Metric Learning A Survey
01-09
The metric learning problem is concerned with learning a distance function tuned to a particular task, and has been shown to be useful when used in conjunction with nearest-neighbor methods and other techniques that rely on distances or similarities. This survey presents an overview of existing research in metric learning, including recent progress on scaling to high-dimensional feature spaces and to data sets with an extremely large number of data points. A goal of the survey is to present as unified as possible a framework under which existing research on metric learning can be cast. The first part of the survey focuses on linear metric learning approaches, mainly concentrating on the class of Mahalanobis distance learning methods. We then discuss nonlinear metric learning approaches, focusing on the connections between the nonlinear and linear approaches. Finally, we discuss extensions of metric learning, as well as applications to a variety of problems in computer vision, text analysis, program analysis, and multimedia.
pytorch-metric-learning：在应用程序中使用深度度量学习的最简单方法。 模块化，灵活和可扩展。 用PyTorch写
02-03
新闻 1月12日：v0.9.96大大提高了和的灵活性。 查看 12月10日：v0.9.95包括一个新的元组采矿器 。 查看 11月6日：v0.9.94中有一些小错误修复和改进。 文献资料 Google Colab示例 请参阅 以获取可以在Google Colab上下载或运行的笔记本的 。 PyTorch公制学习概述 该库包含9个模块，每个模块都可以在您现有的代码库中独立使用，或组合在一起以形成完整的培训/测试工作流程。 损失函数如何工作 在训练循环中使用损失和矿工 让我们初始化一个简单的 ： from pytorch_metric_learning import losses loss_func = losses . TripletMarginLoss () 要在训练循环中计算损失，请传递模型计算的嵌入以及相应的标签。 嵌入的大小应为（N，embedding_size），标签的大小应为（N），其中N为批处理大小。 # your training loop for i , ( data , labels ) in enumerate ( dataloader ): optimiz
西瓜书学习笔记——第十章：降维与度量学习
Andrewings
07-11 2352
10. 降维与度量学习10.1 k近邻学习10.2 低维嵌入经典降维方法：多维缩放(MDS)10.3 主成分分析 10.1 k近邻学习 k近邻学习（knn）是一种监督学习算法，它直接使用测试样本和训练样本，没有显示的训练过程，工作机制如下：给定测试样本，基于某种距离度量找出训练集中与其最靠近的k个训练样本，然后基于这k个邻居的信息来进行预测。通常，对于不同类型的任务，使用的预测方法不同： 分类任...
度量学习
毛财胜的专栏
09-26 1万+
度量学习（Metric Learning）也就是常说的相似度学习。
Metric Learning——度量学习
热门推荐
初学者的博客
09-15 7万+
  2018年04月10日 15:30:29 敲代码的quant 阅读数：1567 标签： 度量学习metric learning机器学习聚类 更多 个人分类： 机器学习 版权声明：本文为博主原创文章，未经博主允许不得转载。 https://blog.youkuaiyun.com/FrankieHello/article/details/79872607 看到一篇知乎大神Flood Sung发表在CV...
ISMIR 2020 MIR度量学习教程详解与实践
本教程“ISMIR 2020 MIR度量学习教程”聚焦于音乐信息检索（Music Information Retrieval, 简称MIR）领域中的核心机器学习技术——度量学习（Metric Learning），并结合深度学习方法，系统性地介绍了其理论基础、...
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值