对比学习论文列表（持续更新）

最新推荐文章于 2024-03-20 23:38:10 发布
原创 最新推荐文章于 2024-03-20 23:38:10 发布 · 353 阅读 · 0 ·
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：

#机器学习 #人工智能 #深度学习 #算法

该博客介绍了使用互信息和噪声对比估计的创新方法，深入探讨了representation learning with contrastive predictive coding的理论与实践，为深度学习领域的对比学习提供新视角。
  1. representation learning with contrastive predictive coding
    提出一种互信息+噪声对比估计的对比学习的方法
    论文 博客
Warrier_98
关注
Unsupervised Learning | 对比学习——13篇论文综述
Clichong
01-29 1万+
文章目录1. 第一阶段：百花齐放1.1 InstDisc1.2 InvaSpread1.3 CPC1.4 CMC2. 第二阶段：CV双雄2.1 MoCov12.2 SimCLRv12.3 MoCov22.4 SimCLRv22.5 SWaV2.6 Other3. 第三阶段：不用负样本3.1 BYOL3.2 SimSiam4. 第四阶段：Transformer4.1 MoCov34.2 DINO5. 总结 1. 第一阶段：百花齐放 在第一阶段上，方法模型都没有统一，目标函数，代理任务也没有统一，所以说是一
论文精读--对比学习论文综述
m0_73202283的博客
02-18 2692
把每个实例(也就是图片)都看作一个类别，目标是学一种特征，从而让我们能把每一个图片都区分开来。
近期必读的与ICML 2020【对比学习】相关的论文（六篇）
09-16
与往年相比，ICML 2020的接收率正逐年走低。本文发现基于对比学习（Contrastive Learning）相关的paper也不少，对比学习、自监督学习等等都是今年比较火的topic，受到了很多人的关注。
-2021最新对比学习（Contrastive Learning）相关必读论文整理分享
lqfarmer的博客
04-18 922
要说到对比学习（Contrastive Learning），首先要从自监督学习开始讲起。自监督学习属于无监督学习范式的一种，特点是不需要人工标注的类别标签信息，直接利用数据本身作为监督信息，来学习样本数据的特征表达，并用于下游任务。 当前自监督学习可以被大致分为两类： Generative Learning vs Contrastive Learning Generative Learning（生成式方法）这类方法以自编码器为代表，主要关注pixel la...
对比学习论文汇总
knight的博客
08-19 364
这里写自定义目录标题1、SimCSE: Simple Contrastive Learning of Sentence Embeddings 1、SimCSE: Simple Contrastive Learning of Sentence Embeddings 论文：https://arxiv.org/pdf/2104.08821.pdf code: https://github.com/princeton-nlp/SimCSE 思想： ...
逐字稿 | 3 对比学习论文综述【论文精读】
云淡风轻_的博客
10-13 992
来到了 Transformer 时代，这里我们会提到 MOCO V3 和Dino，因为 vision Transformer 的爆火，我感觉估计有一半儿的视觉的这个研究者都投入了 vision Transformer 的怀抱。所以说对于自监督学习来说，不论你是对比学习还是最新的掩码学习，大家接下来都是用 vision Transformer 去做的. 当然肯定还有很多其他优秀的工作了。鉴于时间关系，我们这里只是把最有联系的一些工作串到一起，讲讲一下它们的相似之处和不同之处。每篇论文我们也不会精
对比学习论文综述1
08-03
对比学习是一种深度学习方法，主要...从早期的判别式方法到现在的生成式方法，再到各种创新的解决方案，如负样本的使用、动量编码器和无监督预训练，对比学习在不断演进，持续推动着无监督和自我监督学习领域的边界。
CVPR 2022 论文列表（持续更新）
热门推荐
gbstack08的专栏
03-05 1万+
本文包括论文链接及代码 关注公众号：AI基地，及时获取最新资讯，学习资料 GitHub链接：GitHub - gbstack/cvpr-2022-papers: CVPR 2022 papers with code 因为优快云的markdown编辑器限制，文本多了保存会卡死。大家尽量到上面的GitHub链接去看吧。 CVPR2022 Papers (Papers/Codes/Demos) 分类目录： 1. 检测 2. 分割(Segmentation) 3. 图像处理(Image Pro
[论文分享] DGI： 图对比学习：局部-全局对比，最大化互信息
最新发布
m0_50826544的博客
03-20 1685
基于局部-全局互信息最大化以及infoNCE损失的图对比学习算法
对比学习领域近期必读的 5 篇论文 | 本周值得读 Vol.01
Paper weekly
07-31 827
关于#本周值得读这是「AI 学术前沿」旗下的一档栏目。在碎片化阅读充斥眼球的时代，越来越少的人会去关注每篇论文背后的探索和思考。在这个栏目里，你会快速 get 每篇精选论文的亮点和痛...
NeurIPS 2020上与【对比学习】相关论文（附代码，七篇）
10-20
在NeuraIPS上对比学习（Contrastive Learning）相关的投稿paper很多，这块研究方向这几年受到了学术界的广泛关注，并且在CV、NLP等领域也应用颇多。本文为大家奉上NeurIPS 2020必读的七篇对比学习相关论文——对抗自监督对比学习、局部对比学习、难样本对比学习、多标签对比预测编码、自步对比学习、有监督对比学习。
论文：对比学习 Contrastive Learning
cztAI的博客
07-25 940
Dimensionality Reduction by Learning an Invariant Mapping 论文：http://www.cs.toronto.edu/~hinton/csc2535/readings/hadsell-chopra-lecun-06-1.pdf 介绍 降维的目的是将高维数据转换为低维表示，以便将类似的输入对象映射到流形上的附近点。大多数现有的降维技术都有两个缺点。首先，它们不会产生一个从输入到流形的函数(或映射)，这个函数可以应用到与训练点的关系未知的新点上。其次，许
对比学习相关文章
qq_40925509的博客
11-09 129
http://www.360doc.com/content/21/0918/12/7673502_996113901.shtml
对比学习论文综述
连理o的博客
02-26 5954
目录第一阶段：百花齐放InstDisc (Instance Discrimination)InvaSpread (Invariant and Spreading Instance Feature)References 第一阶段：百花齐放 InstDisc (Instance Discrimination) paper: Unsupervised Feature Learning via Non-Parametric Instance Discrimination Motivation 作者提出的 I
对比学习论文综述（part4 transformer + 总结）
qq_45807235的博客
12-13 2218
第四阶段讲的是Transformer是如何将对比学习有机结合起来的
对比学习系列论文SDCLR（二）-Self-Damaging Contrastive Learning
qq_43210957的博客
10-24 669
0.Abstract 0.1逐句翻译 The recent breakthrough achieved by contrastive learning accelerates the pace for deploying unsupervised training on real-world data applications. 最近通过对比学习取得的突破加快了在真实数据应用中部署无监督训练的步伐。 However, unlabeled data in reality is commonly imbalan
对比学习论文综述(part1、2)
qq_45807235的博客
12-12 970
对比学习综述part1 2 (1/3)
无监督对比学习（CL）最新必读经典论文整理分享
lqfarmer的博客
03-11 750
对比学习通过同时最大化同一图像的不同变换视图(例如剪裁，翻转，颜色变换等)之间的一致性，以及最小化不同图像的变换视图之间的一致性来学习的。相反，如果是不同的图像（即使经过各种变换可能看起来会很类似），就要最小化它们之间的相似度。Contrastive learning有很多文章介绍，区别于生成式的自监督方法，如AutoEncoder通过重建输入信号获取中间表示，Contrastive Methods通过在特征空间建立度量，学习判别不同类型的输入，不需要重建信号而又充分挖掘了无标签数据之间的特征差异。
Geoffrey Hinton团队新论文：视觉表示对比学习框架SimLCR
3. 视觉表示对比学习（Contrastive Learning）：对比学习是一种无监督学习方法，旨在通过比较不同的输入样本来学习数据的表示。在视觉任务中，这种方法通常涉及将图像或图像特征分成成对的样本，通过学习将相似的...
评论
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