Large-scale Distance Metric Learning with Uncertainty

Large-scale Distance Metric Learning with Uncertainty Abstract   現有的大多數DML方法都採用點對約束或者三元組約束,在這種情況下約束的數量是原始樣本的平方或者三次方,因此處理大規模數據集具有挑戰性。此外,真實世界的數據可能包含各種不確定性,特別是對於圖像數據。不確定性可能會誤導訓練過程並導致模型性能下降。通過觀察圖像數據,作者發現可
相關文章
相關標籤/搜索