基于相似网络的深度半监督度量学习
机器学习
2020-04-30 v1 机器学习
摘要
由于深度学习的快速发展，深度半监督学习已在现实世界中广泛实施。近来，注意力已转向如Mean-Teacher等方法，以惩罚两个扰动输入集之间的不一致性。尽管这些方法可能取得积极结果，它们忽略了数据实例之间的关系信息。为解决此问题，我们提出一种名为基于相似网络的度量学习(MLSN)的新方法，旨在不同域上自适应地学习距离度量。通过与分类网络协同训练，相似网络能学习更多关于成对关系的信息，并在一些经验任务上优于SOTA方法。
关键词
引用
@article{arxiv.2004.14227,
title = {Metric learning by Similarity Network for Deep Semi-Supervised Learning},
author = {Sanyou Wu and Xingdong Feng and Fan Zhou},
journal= {arXiv preprint arXiv:2004.14227},
year = {2020}
}
备注
Published as a conference paper at FLINS/ISKE 2020