Adaptive Hierarchical Similarity Metric Learning with Noisy Labels

Deep Metric Learning (DML) plays a critical role in various machine learning tasks. However, most existing deep metric learning methods with binary similarity are sensitive to noisy labels, which are widely present in real-world data. Since these noisy labels often cause a severe performance degrada...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE transactions on image processing Ročník 32; s. 1
Hlavní autoři:	Yan, Jiexi, Luo, Lei, Deng, Cheng, Huang, Heng
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	United States IEEE 01.01.2023 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Adaptation models Cognitive tasks Consistency Contrastive Augmentation Deep Metric Learning Geometry Hierarchical Similarity Hyperbolic Geometry Labels Machine learning Measurement Noise measurement Noisy Labels Performance degradation Robustness Similarity Task analysis Training
ISSN:	1057-7149, 1941-0042, 1941-0042
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!