弱监督学习综述（Weak Supervision 2019）
弱监督学习综述（Weak Supervision 2019） 近年来，机器学习（ML）的现实影响已经突飞猛进。在很大程度上，这是由于深度学习模型的出现，这使得从业者 ...
原文：自监督学习-SLAPS: Self-Supervision Improves Structure Learning for Graph Neural Networks
自监督学习 SLAPS: Self Supervision Improves Structure Learning for Graph Neural Networks 标签：自监督学习 图神经网络 动机 amp 背景 当可用的图结构表现出高度的同质性 即连接的节点通常属于同一类 时, 图神经网路在半监督分类上展现很好的性能 在研究图神经在图结构不容易获得情况下对 半监督 分类问题的适用性, 这个问 ...
2021-12-06 21:34 1 741 推荐指数：
相关推荐
无监督学习(Unsupervised Learning)
无监督学习(Unsupervised Learning) 聚类无监督学习 特点 只给出了样本, 但是没有提供标签 通过无监督学习算法给出的样本分成几个族(cluster), 分出来的类别不是我们自己规定的, 而是无监督学习算法自己计算出来的 K-means 聚类算法 规定 ...
自监督学习Self-supervised Learning入门简知
1、定义： 自监督学习主要是利用辅助任务（pretext）从大规模的无监督数据中挖掘自身的监督信息，通过这种构造的监督信息对网络进行训练，从而可以学习到对下游任务有价值的表征。（也就是说自监督学习的监督信息不是人工标注的，而是算法在大规模无监督数据中自动构造监督信息，来进行监督学习或训练 ...
自监督学习(Self-Supervised Learning)多篇论文解读（上）
自监督学习(Self-Supervised Learning)多篇论文解读（上） 前言 Supervised deep learning由于需要大量标注信息，同时之前大量的研究已经解决了许多问题。所以近期大家的研究关注点逐渐转向了Unsupervised learning，许多顶 ...
自监督学习(Self-Supervised Learning)多篇论文解读（下）
自监督学习(Self-Supervised Learning)多篇论文解读（下） 之前的研究思路主要是设计各种各样的pretext任务，比如patch相对位置预测、旋转预测、灰度图片上色、视频帧排序等等。CVPR19和ICCV19上，Google Brain的几个研究员发表了两篇论文 ...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
监督学习：简单来说就是给定一定的训练样本(这里一定要注意，样本是既有数据，也有数据对应的结果)，利用这个样本进行训练得到一个模型(可以说是一个函数)，然后利用这个模型，将所有的输入映射为相应的输出，之后对输出进行简单的判断从而达到了分类(或者说回归)的问题。简单做一个区分，分类就是离散的数据，回归 ...
如何区分监督学习(supervised learning)和非监督学习(unsupervised learning)
机器学习的常用方法中，我们知道一般分为监督学习和非监督学习。 l 监督学习：监督学习，简单来说就是给定一定的训练样本（这里一定要注意，这个样本是既有数据，也有数据相对应的结果），利用这个样本进行训练得到一个模型（可以说就是一个函数），然后利用这个模型，将所有的输入映射为相应的输出，之后对输出 ...
缺陷检测-2.Mixed supervision for surface-defect detection: from weakly to fully supervised learning(对于表面缺陷检测的混合监督:从弱到完全监督学习)
这篇文章不管是网络结构还是文章中提到的亮点基本都是复用了<End-to-end training of a two-stage neural network for defect detection> 唯一的不同点就是针对混合监督，针对其中只有正负标签，没有分割标签的数据，损失函数 ...