self-supervised 第5页

SC-EADNet: A Self-Supervised Contrastive Efficient Asymmetric Dilated Network for Hyperspectral Imag

自娱自乐读对比学习高光谱图像分类的论文5现有的无监督或者半监督卷积网络的问题；用于特征学习的像素级多尺度上下文信息利用不足昂贵的计算成本I.INTRODUCTION能用总结性的发言，如Thesemethodstypicallycontaintwosteps:1)designing…2)designing…不管是不是自己的总结，这样写总体感觉还是不错的。现在的半监督和无监督分类的主要问题：只依赖像素

Eric Leee·2022-11-25 08:08

[论文笔记]Self-Supervised Drivable Area and Road Anomaly Segmentation using RGB-D Data for Robo_2019RAL

Self-SupervisedDrivableAreaandRoadAnomalySegmentationusingRGB-DDataforRoboticWheelchairs为了训练一个深度神经网络，通常需要一个带有人工标注的地面真值的大规模数据集。然而，生成这样的数据集既费时又费力。为了解决手动贴标耗时耗力的问题。本文旨在通过自监督方法自动生成可行驶区域和道路异常的分割标签。这个RGB-D相机

WensongChen·2022-11-25 08:20

论文阅读笔记：（2018 ACCV）Cross Pixel Optical-Flow Similarity for Self-Supervised Learning

CrossPixelOptical-FlowSimilarityforSelf-SupervisedLearning（2018ACCV）AravindhMahendran,JamesThewlis,AndreaVedaldiNotesMotivationTheauthorsproposeanewself-supervisedalgorithmbyusingtheopticalflowthatcan

小吴同学真棒·2022-11-25 08:19

论文笔记 TransDSSL: Transformer Based Depth Estimation via Self-Supervised Learning

TransDSSL:TransformerBasedDepthEstimationviaSelf-SupervisedLearning基于Transformer的自监督深度估计研究背景和动机近年来，单目深度估计已经被用于计算机视觉和机器人领域，如替代昂贵的激光雷达传感器广泛用于先进的机器人系统，包括自动驾驶车辆或增强其他计算机视觉任务。然而，通常需要一个具有高多样性的大规模数据集来训练神经网络，并

孙悟空爱吃唐僧肉·2022-11-24 21:27

论文阅读 - SATAR: A Self-supervised Approach to Twitter Account（CIKM 2021）

SATAR:ASelf-supervisedApproachtoTwitterAccountRepresentationLearninganditsApplicationinBotDetection推特账户表示学习的自监督方法及其在机器人检测中的应用论文链接：https://arxiv.org/pdf/2106.13089.pdf目录摘要1绪论2相关工作2.1TwitterBotDetection

无脑敲代码，bug漫天飞·2022-11-24 16:04

粗读SELF-SUPERVISED LEARNING IS MORE ROBUST TO DATASET IMBALANCE

本文首先通过两组实验，证明自监督预训练能够更好地应对极端的数据不平衡现象ID是in-domain缩写，而OOD是out-of-domain缩写。前者代表预训练数据集和测试集是同一数据集，而后者说明两者并非同一数据集。n是预训练数据量，n旁边的数字代表预训练时数据最多的类和数据最少的类数量之比，1代表数据平衡，数字越小代表不平衡程度越极端。SSL代表自监督，SL代表全监督可以看到，在ID情况下，虽然

格里芬阀门工·2022-11-24 08:56

论文笔记 - BadEncoder: Backdoor Attacks to Pre-trained Encoders in Self-Supervised Learning

文章目录自监督学习下的后门攻击基本信息核心贡献基本方法限制条件问题定义符号说明转换思想算法思路基本步骤目标优化函数BadEncoder训练过程实验设计（后续整理实验继续补充）自监督学习下的后门攻击基本信息论文标题BadEncoder:BackdoorAttackstoPre-trainedEncodersinSelf-SupervisedLearning论文作者JinyuanJia,YupeiLi

WBZhang2022·2022-11-22 21:20

BadEncoder: Backdoor Attacks to Pre-trained Encoders in Self-Supervised Learning-基于自监督学习预训练编码器的后门攻击

BadEncoder:BackdoorAttackstoPre-trainedEncodersinSelf-SupervisedLearning摘要本文提出了BadEncoder，这是针对自监督学习的第一个后门攻击方法。用BadEncoder将后门注入到预训练的图像编码器中，基于该编码器进行微调的不同下游任务会继承该后门行为。我们将BadEncoder描述为一个优化问题，提出了一种基于梯度下降的方

冰羽vee9·2022-11-22 20:09

BadEncoder: Backdoor Attacks to Pre-trained Encoders in Self-Supervised Learning 论文笔记

1.论文信息论文名称BadEncoder:BackdoorAttackstoPre-trainedEncodersinSelf-SupervisedLearning作者JinyuanJia∗DukeUniversity出版社InIEEESymposiumonSecurityandPrivacy,2022.(信息安全顶会)pdf在线pdf代码pytorch简介首个针对self-supervisedl

wwweiyx·2022-11-22 20:01

SGAT: a Self-supervised Graph Attention Network for Biomedical Relation Extraction

论文地址：SGAT:aSelf-supervisedGraphAttentionNetworkforBiomedicalRelationExtraction1.Introduction近年来，在BioRE任务的研究中，提出了基于深度学习的不同方法。目前，通过挖掘原始数据的特征构造辅助任务和伪标签的自监督学习方法已广泛应用于计算机视觉和自然语言处理领域。辅助任务可以指导原始模型捕获对主要任务更为关键

NLP菜鸟·2022-11-22 19:51

【ICCV 2021】DepthContrast：Self-Supervised Pretraining of 3D Features on any Point-Cloud

文章目录1.四个问题2.论文介绍Abstract1.Introduction2.RelatedWork3.DepthContrast3.1.InstanceDiscrimination3.2.ExtensiontoMultiple3DInputFormats3.3.ModelArchitecture3.4.DataAugmentationfor3D3.5.ImplementationDetails

I"ll carry you·2022-11-22 19:53

论文解读（MERIT）《Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learni

优质资源分享学习路线指引（点击解锁）知识定位人群定位Python实战微信订餐小程序进阶级本课程是pythonflask+微信小程序的完美结合，从项目搭建到腾讯云部署上线，打造一个全栈订餐系统。Python量化交易实战入门级手把手带你打造一个易扩展、更安全、效率更高的量化交易系统论文信息论文标题：Multi-ScaleContrastiveSiameseNetworksforSelf-Supervi

xuhss_com·2022-11-22 17:25

论文阅读《Multi-Scale Contrastive Siamese Networks for Self-Supervised Graph Representation Learning》

目录论文信息一、Abstract二、Introduction三、Notations四、framework（MERIT）（一）GraphAugment1.GraphDiffusion(GD)2.EdgeModification(EM)3.Subsampling(SS)4.NodeFeatureMasking(NFM)（二）Cross-NetworkContrastiveLearning（三）Cros

菠萝咕噜肉~·2022-11-22 17:22

内在好奇心模型(Intrinsic Curiosity Module,ICM)-论文Curiosity-driven Exploration by Self-supervised Prediction

关于强化学习的稀疏奖励问题，主要的解决方案有：1）塑形奖励函数，但是塑形奖励函数一般或多或少的带有设计者的个人主观因素，这可能会导致模型的最优策略发生偏移。目前，防止塑形奖励函数改变最优策略的方法是吴恩达的Potential-BasedRewardShaping（没了解的可以搜索一下看看，有很多博客）。2）模仿学习，其实也就是使用专家演示数据引导训练，典型的代表就是DQN中使用的transitio

难受啊！马飞...·2022-11-22 12:40

自监督论文阅读笔记 SimCLRV2 Big Self-Supervised Models are Strong Semi-Supervised Learners

从少量标记样本中学习，同时充分利用大量未标记数据的一种范式是无监督的预训练，然后是监督的微调。虽然这个范例以task-agnostic任务不可知的方式使用了未标记的数据，但与计算机视觉的常见半监督学习方法相比，本文表明它对于ImageNet上的半监督学习非常有效。本文的方法的一个关键组成是在预训练和微调期间使用大的(深度和广度)网络。我们发现，标签越少，这种方法(使用未标签数据的任务无关性)从更大

YoooooL_·2022-11-22 11:34

自监督论文阅读笔记 Self-supervised Learning in Remote Sensing: A Review

深度神经网络对大量数据的丰富结构进行建模的优势已经导致了计算机视觉、自然语言处理、自动语音识别和时间序列分析的重大突破。然而，深度神经网络的性能对训练数据的大小和质量非常敏感。因此，在过去十年中，已经为监督训练生成了多个带注释的数据集(例如ImageNet[2])，推动了许多领域的进步。不幸的是，标注大规模数据集是一个极其费力、耗时且昂贵的过程。监督学习范式的这种限制严重阻碍了深度学习在现实世界场

YoooooL_·2022-11-22 11:34

自监督论文阅读笔记 Urban feature analysis from aerial remote sensing imagery using self-supervised and semi-s

“Urbanfeatureanalysisfromaerialremotesensingimageryusingself-supervisedandsemi-supervised”Abstract：使用计算机视觉分析俯视图像是一个在学术文献中受到相当关注的问题。在这个领域运行的大多数技术都是高度专业化的，并且需要对大型数据集进行昂贵的手动注释。这些问题在本文通过开发一个更通用的框架来解决，该框架结

YoooooL_·2022-11-22 11:04

自监督论文阅读笔记 Multi-motion and Appearance Self-Supervised Moving Object Detection

本文考虑了视频中的自监督运动目标检测(MOD)问题，其中在训练和推理阶段均不涉及真值。移动相机可能会带来额外的挑战，这会导致运动独立假设和局部独立背景运动的失败。为了解决这些问题，本文提出了一种多运动和外观自监督网络（MASNet）来为MOD引入场景的多尺度运动信息和外观信息。运动物体，尤其是可变形物体，通常由不同时间尺度的运动区域组成。引入多尺度运动可以聚合这些区域，形成更完整的检测。当运动独立

YoooooL_·2022-11-22 11:03

自监督论文阅读笔记 Self-EMD: Self-Supervised Object Detection without ImageNet

提出了一种新的自我监督表示学习方法Self-EMD，用于目标检测。Self-EMD直接在COCO等未标记的非标志性图像数据集上进行训练，而不是像ImageNet这样常用的标志性目标图像数据集。Self-EMD将卷积特征图作为图像嵌入来保留空间结构，并采用EMD来计算两个嵌入之间的相似性。受益于更多未标记数据的优点。自监督学习流程的潜在先验是同一图像的不同视图/裁剪对应于同一对象。因此最大化他们的一

YoooooL_·2022-11-22 11:33

【论文翻译】SOLD2: Self-Supervised Occlusion-Aware Line Description and Detection

SOLD2:Self-SupervisedOcclusion-AwareLineDescriptionandDetection论文：http://arxiv.org/abs/2104.03362代码：https://github.com/cvg/SOLD2RemiPautrat,Juan-TingLin,ViktorLarsson,MartinR.Oswald,MarcPollefeys;Proc

Eternally_陪伴·2022-11-21 17:43

DevNet: Self-supervised Monocular Depth Learning via Density Volume Construction

DevNet:Self-supervisedMonocularDepthLearningviaDensityVolumeConstruction[1]Background单目自监督深度估计依赖相邻帧2D像素光度关系没有利用3D点状几何对应关系不能有效地解决由于遮挡或照明不一致引起的光度翘曲的模糊性Contributions设计了一种新的自监督深度学习框架DevNet，它通过预测场景中采样点的遮挡概

Cat_w_w·2022-11-21 14:19

Self-supervised

本文针对自己阅读文献资料做的笔记：目录：1.为什么会有self-supervised？2.什么是self-supervised？1.为什么会有self-supervised？

充实而又快乐·2022-11-21 13:58

【论文阅读-对比学习】ConSERT- A Contrastive Framework for Self-Supervised Sentence Representation Transfer

今天继续来看对比学习的一篇论文，比SimCSE稍晚几个月发的，主要关注在embeddings层的不同的数据增强方式。该阅读笔记首发于：https://zhuanlan.zhihu.com/p/481581904Title:ConSERT:AContrastiveFrameworkforSelf-SupervisedSentenceRepresentationTransferFrom:ACL2021

_春天_·2022-11-21 09:34

【论文解读|KDD2021】HeCo - Self-supervised Heterogeneous Graph Neural Network with Co-contrastive Learning

对比学习基于对比学习的自监督异构图神经网络文章目录摘要1引言2相关工作4HeCo模型4.1节点特征转化4.2网络模式视图编码器4.3元路径视图4.4视图掩码机制4.5协同对比优化5实验6结论摘要异构图神经网络(HGNNs)作为一种新兴技术，在处理异构信息网络(HIN)方面表现出了卓越的能力。然而，大多数HGNN遵循半监督学习方式，这明显限制了它们在现实中的广泛使用，因为在实际应用中标签通常很少。近

林若漫空·2022-11-20 16:27

Self-supervised Heterogeneous Graph Neural Network with Co-contrastive Learning 论文阅读

Self-supervisedHeterogeneousGraphNeuralNetworkwithCo-contrastiveLearning论文阅读一、重难点二、两种视角三、模型定义1.预处理2.networkschema3.meta-path4.mask5.contrastivelearning6.modelextension论文原文一、重难点异质图：异质图基本思想速通双视角：network

kc7w91·2022-11-20 11:36

【自监督论文阅读笔记】Instance Localization for Self-supervised Detection Pretraining

（2021IEEE/CVFConferenceonComputerVisionandPatternRecognition(CVPR)）先前关于自监督学习的研究已经在图像分类方面取得了相当大的进展，但通常在目标检测方面的迁移性能下降。本文的目的是推进专门用于目标检测的自监督预训练模型。基于分类和检测之间的内在差异，本文提出了一种新的自监督前置任务，称为实例定位instancelocalization

YoooooL_·2022-11-20 10:53

AP-BSN: Self-Supervised Denoising for Real-World Imagesvia Asymmetric PD and Blind-Spot Network

个人论文阅读笔记，可能存在许多瑕疵和错误，欢迎评论指正，谢谢~~1.总括盲点网络BSN假设噪声信号是像素独立且零均值的情况下，从相邻噪声像素重建干净像素而不参考相应的输入像素。然而已知真实噪声（图像上存在的真实噪声，并非合成噪声）具有空间相关性，这不符合BSN的基本假设：噪声与像素无关。由于像素独立于噪声等不太实际的假设，使用自监督盲点去噪网络处理空间相关的真实噪声具有挑战性。为了打破真实噪声的空

ballball~~·2022-11-20 06:53

【论文笔记】Civil Rephrases Of Toxic Texts With Self-Supervised Transformers

CivilRephrasesOfToxicTextsWithSelf-SupervisedTransformers会议：EACL2021代码：链接任务：言论去毒/文本复述/文本风格迁移/可控文本生成原文：链接Abstract本文提出了一个自监督学习模型CAE-T5，该模型采用一种端到端的预训练的文本到文本（text-to-text）的transformer，并通过一种去噪（denoising）和循

Feeedforward·2022-11-19 15:01

ALBERT:A LITE BERT FOR SELF-SUPERVISED LEAARNINGOF LANGUAGE REPRESENTATIONS

ABSTRACTIncreasingmodelsizewhenpretrainingnaturallanguagerepresentationsoftenresultsinimprovedperformanceondownstreamtasks.预训练自然语言表示的时候，增加模型的大小经常导致下游任务的表现提升。However,atsomepointfurthermodelincreasesbec

唐僧爱吃唐僧肉·2022-11-19 13:53

ALBERT：A Lite BERT for Self-supervised Learning of Language Representations（2019-9-26）

模型概述ALBERT相当于是BERT的一个轻量版，ALBERT的配置类似于BERT-large，但参数量仅为后者的1/18，训练速度却是后者的1.7倍。ALBERT主要对BERT做了3点改进，缩小了整体的参数量，加快了训练速度，增加了模型效果。第一个改进是对嵌入参数化进行因式分解。大的词汇嵌入矩阵分解为两个小的矩阵，将隐藏层的大小与嵌入层的分离开。这种分离使得隐藏层的增加更加容易，同时不显著增加词

不负韶华ღ·2022-11-19 13:51

ALBERT： A Lite BERT for Self-supervised Learning of Language Representations（2019-9-26）

模型概述谷歌的研究者设计了一个精简的BERT（ALiteBERT，ALBERT），参数量远远少于传统的BERT架构。BERT(Devlinetal.,2019)的参数很多，模型很大，内存消耗很大，在分布式计算中的通信开销很大。但是BERT的高内存消耗边际收益并不高，如果继续增大BERT-large这种大模型的隐含层大小，模型效果不升反降。启发于mobilenet，ALBERT通过两个参数削减技术克

不负韶华ღ·2022-11-19 13:20

Self-Supervised Learning (ELMO, BERT, GPT, Auto-encoder)

目录Themodelsbecomelargerandlarger…Self-supervisedLearningELMO(feature-based)Howtorepresentaword?1-of-NEncodingWordClassWordEmbedding(UnsupervisedLearning)ContextualizedWordEmbeddingEmbeddingsfromLangua

连理o·2022-11-19 13:47

Albert: A lite bert for self-supervised learning of language representations (Albert)

Albert历史意义:1、Albert各层之间采用参数共享和embedding因式分解减少参数量2、在nlp预训练模型中正式采用轻量级bert模型nlp领域(各个下游任务都有自身的模型)nlp领域(采用轻量级bert模型Albert)论文主要结构:一、Abstract介绍背景及提出Albert模型在多个数据集上的效果都表现优异1、增加modelsize提高模型在下游任务中的表现，但是同时会增加训练

BUPT-WT·2022-11-19 13:16

ALBERT: A Lite Bert for Self-Supervised Learning of Language Representations

ALBERT:ALiteBertforSelf-SupervisedLearningofLanguageRepresentationsabstract：提出两种参数减少技术来降低内存的消耗和加快BERT的训练速度，使用了一个self-supervisedloss计算句子之间的一致性。两种参数减少技术，使参数减少18倍，训练速度加快1.7倍。:factorizedembeddingparameter

qq_38317254·2022-11-19 13:38

解读ALBERT《A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS》

转载地址https://blog.csdn.net/weixin_37947156/article/details/101529943原文作者：sliderSun解读ALBERT《ALITEBERTFORSELF-SUPERVISEDLEARNINGOFLANGUAGEREPRESENTATIONS》中文预训练ALBERT模型：https://github.com/brightmart/alber

SurverDevin·2022-11-19 13:07

Raki的读paper小记：ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS

Abstract&Introduction&RelatedWork研究任务预训练语言模型已有方法和相关工作面临挑战越来越大的模型需要更多的计算资源和时间去训练创新思路因子化嵌入参数化跨层参数共享用SOP替换NSP实验结论sotaALBERT用了两个很重要的技术来减少参数规模因子化嵌入参数化。通过将大的词汇嵌入矩阵分解成两个小矩阵，我们将隐藏层的大小与词汇嵌入的大小分开。这种分离使得在不大幅增加词汇

爱睡觉的Raki·2022-11-19 13:58

论文阅读《ALBERT: A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS》

论文地址：《ALBERT:ALITEBERTFORSELF-SUPERVISEDLEARNINGOFLANGUAGEREPRESENTATIONS》文章目录论文阅读论文介绍FactorizedembeddingparameterizationCross-LayerParameterSharingSentence-OrderPrediciton(SOP)AddingData&RemoveDropou

Diobld·2022-11-19 13:57

论文翻译 ALBERT：A LITE BERT FOR SELF-SUPERVISED LEARNING OF LANGUAGE REPRESENTATIONS

论文翻译ALBERT：ALITEBERTFORSELF-SUPERVISEDLEARNINGOFLANGUAGEREPRESENTATIONSALITEBERTFORSELF-SUPERVISEDLEARNINGOFLANGUAGEREPRESENTATIONS小型BERT(自监督学习语言表征)ABSTRACT摘要1INTRODUCTION介绍2RELATEDWORK相关工作3THEELEMENT

Shmily~_~·2022-11-19 13:26

【论文阅读】AlBert: A Lite Bert For Self-Supervised Learning Of Language Representations

【论文阅读】AlBert:ALiteBertForSelf-SupervisedLearningOfLanguageRepresentations（语言表示自监督学习的简化版）前言BERT模型提出之后，在排行榜上产生了许多NLP任务的最新成果。但是，模型非常大，所需要的参数达到110M(Bert_base)和340M(Bert_large)，导致了普通的研究人员无法利用自身条件去训练这样庞大的模型

敷衍zgf·2022-11-19 13:26

2021(self-supervised) - 浅谈MAE《Masked Autoencoders Are Scalable Vision Learners》

文章目录原文地址论文阅读方法前因初识相知分析问题具体技术部分实验回顾原文地址https://arxiv.org/pdf/2111.06377.pdf论文阅读方法三遍论文法前因最近没太关注自监督学习领域的进展，但最近几天公众号都在疯狂推送这篇kaiming大佬的自监督学习新作《MAE》，抱着好奇的态度看了一下，有一些自己的感悟和思考。此外，这篇文章在知乎上也引起了大佬们的广泛讨论，以及也有很多不错的

我是大黄同学呀·2022-11-19 09:45

Self-Supervised Visual Feature Learning With Deep Neural Networks: A Survey

大规模数据集上的预训练模型可以加快训练过程，并提高相对较小数据集上的性能。为了减轻大规模数据集标注的负担，通常设计一个前置任务供网络求解，而前置任务的伪标签是基于数据属性自动生成的。根据用于设计借口任务的数据属性，如图10所示，我们将前置任务总结为四类：基于生成、基于上下文、基于自由语义标签和基于跨模态。基于生成的自监督学习的伪标签一般是图像自身。拼图任务：为了限制排列的数量，通常使用汉明距离从所

YoooooL_·2022-11-18 08:46

Self-Supervised Vision Transformers with DINO-代码研读

Code，仅作学习交流1main_dino.pyimport机制可以导入我们需要使用的库，避免代码重复pytorch框架下常用图像处理包torchvision工具库fromtorchvisionimporttransformsimportargparseimportosimportsysimportdatetimeimporttimeimportmathimportjsonfrompathlibi

MengYa_DreamZ·2022-11-16 16:47

【论文精读】SuperPoint: Self-Supervised Interest Point Detection and Description

18岁小白想成大牛·2022-11-03 08:32

【读论文】Self-supervised feature adaption for infrared and visible image fusion

Self-supervisedfeatureadaptionforinfraredandvisibleimagefusion介绍小知识常用的两类用于图像融合的神经网络架构红外融合的障碍贡献相关工作基于深度学习的融合方法DenseFuseIFCNN，U2Fusion基于GAN的特征自适应方法FusionGANDDcGAN提出的方法SFANet解码器块注意力解码器总结IVFENet训练SFANetIV

小王不头秃·2022-11-03 08:57

李宏毅机器学习--self-supervised：BERT、GPT、Auto-encoder

目录Self-SupervisedLearningBERTBERT训练maskinginput（随机遮盖一些输入单位）nextsentenceprediction（预测前后两个句子是否相接）BERT的fine-tune应用BERT框架GLUE（测试BERT的能力）case1-语句分类case2-词性标注case3-句意立场分析case4-问答系统Pre-trainingaseq2seqmodelT

iwill323·2022-10-28 20:28

CVPR 2021 论文和开源项目合集(Papers with Code)

CVPR2021论文开源目录】https://github.com/amusi/CVPR2021-Papers-with-CodeBackboneNASGANVisualTransformer自监督(Self-Supervised

人工智能与算法学习·2022-10-19 07:54

自监督学习（self-supervised learning）

self-supervisedlearningself-supervisedlearningBERTBERT基本架构GeneralLanguageUnderstandingEvaluation（GLUE）howtouseBERTcase1case2case3case4trainingBERTischallengingpre-trainingaseq2seqmodelwhydoesBERTwork?

静妮子i·2022-10-03 07:43

Socially-Aware Self-Supervised Tri-Training forRecommendation

Theexistingself-supervisedlearning(SSL)methodsmainlyconductself-discriminationbasedcontrastivelearning,whereagivennodecanjustexploittheinformationfromitselfinanotherview.Incontrast,Yuetal.proposedasoc

_penghnu·2022-09-26 07:48

Self-supervised Video Transformer 阅读

目录1.介绍2.SVT2.1SVT结构2.2自监督训练MotionCorrespondencesCross-ViewCorrespondences2.3SVTloss1.介绍本文是针对videotransformer进行自监督训练，从一个给定的视频中，创建具有不同空间大小和帧率的局部和全局时空视图，自监督的目标是寻找相同视频的不同视图特征之间的匹配。Self-supervisedVideoTran

scarlet witcher·2022-09-07 10:41

2021_KDD_Socially-Aware Self-Supervised Tri-Training for Recommendation

[论文阅读笔记]2021_KDD_Socially-AwareSelf-SupervisedTri-TrainingforRecommendation论文下载地址：https://doi.org/10.1145/3447548.3467340发表期刊：KDDPublishtime:2021作者及单位:JunliangYuTheUniversityofQueenslandBrisbane,Austr

XingHe_XingHe_·2022-08-28 07:59

推荐频道

self-supervised