深度学习(十八)——无监督/半监督/自监督深度学习(2)
source link: http://antkillerfarm.github.io/dl/2017/10/01/Deep_Learning_18.html
Go to the source link to view the article. You can view the picture content, updated content and better typesetting reading experience. If the link is broken, please click the button below to view the snapshot at that time.
无监督/半监督/自监督深度学习
对比学习(续)
https://mp.weixin.qq.com/s/VlSoMmAGDblQ2UYhLD96gA
什么是contrastive learning?
https://mp.weixin.qq.com/s/qnG0YLf0yjs4aT9URRMDyw
有监督对比学习的一个简单的例子
https://mp.weixin.qq.com/s/h8loG3enT5U-5F2a2UflJg
对比学习小综述
https://mp.weixin.qq.com/s/v5p9QA3vDl-WTF3-7shp4g
对比学习简述
https://mp.weixin.qq.com/s/CeqoXqHjfa6UTWa8mmo_Ww
Paper和陈丹琦撞车是一种怎样的体验(ConSERT vs. SimCSE)
https://mp.weixin.qq.com/s/C4KaIXO9Lp8tlqhS3b0VCw
美团提出基于对比学习的文本表示模型(ConSERT)
Prompt Learning
在BERT和Word2Vec相关章节中,我们已经看到了,如何采用类似完形填空的方式,来利用大量的无标签语料,对模型进行预训练。这里的完形填空就是一种Prompt Learning。
更一般的对于输入的文本x,有函数fprompt(x),将x转化成prompt的形式x′,即:
x′=fprompt(x)
该函数通常会进行两步操作:
-
使用一个模板,模板通常为一段自然语言,并且包含有两个空位置:用于填输入x的位置[X]和用于生成答案文本的位置[Z]。
-
把输入x填到的位置[X]。
例如,在文本情感分类的任务中,假设输入是:
” I love this movie.”
使用的模板是
” [X] Overall, it was a [Z] movie.”
那么得到的x′就应该是 “I love this movie. Overall it was a [Z] movie.”
在实际的研究中,prompts应该有空位置来填充答案,这个位置一般在句中或者句末。如果在句中,一般称这种prompt为cloze prompt;如果在句末,一般称这种prompt为prefix prompt。[X]和[Z]的位置以及数量都可能对结果造成影响,因此可以根据需要灵活调整。
如何设计合适的[X]和[Z],就是Prompt Learning的主要议题了。
https://mp.weixin.qq.com/s/dkNH4BLOH36B5h_UCcRLnA
NLP新宠——浅谈Prompt的前世今生
https://mp.weixin.qq.com/s/2eA4PBd-wr9tVyyuzJ66Bw
Fine-tune之后的NLP新范式:Prompt越来越火,CMU华人博士后出了篇综述文章
https://mp.weixin.qq.com/s/sDkGAhnFC027XjpUImeatw
自监督、半监督、无监督学习,傻傻分不清楚?最新综述来帮你!
https://mp.weixin.qq.com/s/L4GQF0eE7MjLPrb8UygCww
无监督深度学习全景教程(193页PDF)
https://mp.weixin.qq.com/s/kbqTHIOzAj1aERl4tm-kVA
2017上半年无监督特征学习研究成果汇总
https://mp.weixin.qq.com/s/J50L6hESBROfT8IIAnofQQ
Yan LeCun109页最新报告:图嵌入, 内容理解,自监督学习
https://mp.weixin.qq.com/s/s440gdbUhLP41rLPjfgsmQ
Yann Lecun自监督学习指南(附114页Slides全文下载)
https://mp.weixin.qq.com/s/foP1xSa5G8oNtAv_pI6AqQ
深度神经网络自监督视觉特征学习综述
https://mp.weixin.qq.com/s/sEHA6fb0XIXQWsmJGf3fTA
DeepMind发布自监督学习最新教程,附122页全文资料下载
https://mp.weixin.qq.com/s/-JoB1MJ0ZpkYLlToS7-AOA
牛津大学&DeepMind:自监督学习教程,141页ppt
https://mp.weixin.qq.com/s/HfqH-b8x8SsE6zb8pcF3Og
自监督学习(Self-Supervised Learning) 2018-2020年发展综述
https://mp.weixin.qq.com/s/2Wm6eQodwlc5XkjGKqhwCg
南京大学周志华教授综述论文:弱监督学习
https://mp.weixin.qq.com/s/_3DqXBpZhstVv6BkBR4oag
自监督学习综述
https://mp.weixin.qq.com/s/aCWAU2RXk9fTzfFqOyjqUw
能自主学习的人工突触,为无监督学习开辟新的路径
https://mp.weixin.qq.com/s/9kMz-eNRwC51Fi0-7BfKzA
Active Learning: 一个降低深度学习时间,空间,经济成本的解决方案
https://mp.weixin.qq.com/s/ZvTm9omnIRqPXcLFbZtoeg
深度学习的关键:无监督深度学习简介
https://mp.weixin.qq.com/s/GHjmiB6F2W3Zo8gVllTyyQ
重现“世界模型”实验,无监督方式快速训练
https://mp.weixin.qq.com/s/3_VtdZNKBwNtMEMf2xc7qw
CVPR智慧城市挑战赛:无监督交通异常检测,冠军团队技术分享
https://mp.weixin.qq.com/s/3aAaM1DWsnCWEEbP7dOZEg
伯克利等提出无监督特征学习新方法,代码已开源
https://mp.weixin.qq.com/s/kNTRpDbKQIalzJi_rx0noQ
无标签表示学习,222页ppt,DeepMind
https://mp.weixin.qq.com/s/ZDPPWH570Vc6e1irwP1b1Q
精细识别现实世界图像:李飞飞团队提出半监督适应性模型
https://mp.weixin.qq.com/s/X1Alcl7rVfTtZGZ40iXjXw
Spotlight 论文:非参数化方法实现的极端无监督特征学习
https://mp.weixin.qq.com/s/kxEfoSjCF8n2jxlDfMaNDA
半监督学习在图像分类上的基本工作方式
https://mp.weixin.qq.com/s/uUMPUdG2TI10W5RumPaXkA
DeepMind无监督表示学习重大突破:语音、图像、文本、强化学习全能冠军!
https://mp.weixin.qq.com/s/_VC6PGdCjlhcsndpunIteg
何恺明等人提出新型半监督实例分割方法:学习分割Every Thing
https://mp.weixin.qq.com/s/qaxzSSDuuscwL5tt0QCQ0Q
破解人类识别文字之谜:对图像中的字母进行无监督学习
https://mp.weixin.qq.com/s/IsLlzDWnUXe8LVp4Y1Jb_A
35亿张图像!Facebook基于弱监督学习刷新ImageNet基准测试记录
https://mp.weixin.qq.com/s/TEk_i4kEjUqmAqF8LgTVjg
FAIR提出用聚类方法结合卷积网络,实现无监督端到端图像分类
https://mp.weixin.qq.com/s/dSncg1pDHpIFOT4mXrFntA
Yan Lecun自监督学习:机器能像人一样学习吗? 110页PPT
https://mp.weixin.qq.com/s/W4zwKqkVQN4v-IKzGrkudg
通过传递不变性实现自监督视觉表征学习
https://zhuanlan.zhihu.com/p/30265894
自监督学习近期进展
https://mp.weixin.qq.com/s/qyQjKsgktWv9SihotaQX3w
从顶会看自监督学习最新研究进展
https://mp.weixin.qq.com/s/cTlXMxcpzc7_5NVsTm1jcA
学习一帧,为整段黑白视频上色:谷歌提出自监督视觉追踪模型
https://mp.weixin.qq.com/s/Amr34SdrPZho1GQpFS7WBA
见微知著:语义分割中的弱监督学习
https://mp.weixin.qq.com/s/zOWA1oKbopZJuYIAYYlKTA
港中文-商汤联合论文:自监督语义分割的混合与匹配调节
https://mp.weixin.qq.com/s/5xlSoC5sgzsAwMYMSFCjnw
TextTopicNet:CMU开源无标注高精度自监督模型
https://mp.weixin.qq.com/s/343DfjOvkaozuxNK89V3zQ
前景目标检测的无监督学习
https://mp.weixin.qq.com/s/DwY0oGu-G30Szs-ArI5WaQ
程明明:面向弱监督的图像理解
https://mp.weixin.qq.com/s/LFOljv-Hr6JqyI6TQ2X4sw
半监督学习也能自动化?南大和第四范式提出Auto-SSL
https://mp.weixin.qq.com/s/83xAXrc_H_OExW3vii08hA
谷歌提出新方法:基于单目视频的无监督深度学习结构化
https://mp.weixin.qq.com/s/gr0_p4WFToTrDfy47h-p0A
基于自监督学习的视听觉信息同一性判断
https://mp.weixin.qq.com/s/Dqz97_U5pw_4d9KFblJfLg
基于自编码器的表征学习:如何攻克半监督和无监督学习?
https://mp.weixin.qq.com/s/LaIvAuBHYGNMug3NZ1pLhQ
半监督深度学习小结:类协同训练和一致性正则化
https://mp.weixin.qq.com/s/aBDgV7u93MAv2MogZKBmvw
Google提出Grasp2Vec模型:利用自监督方法学习物体表示
https://mp.weixin.qq.com/s/YfDZMEkOnxp0_ei2Oam-YQ
基于弱监督的视频时序动作检测的介绍
https://mp.weixin.qq.com/s/RiL-s50oOI–PZyIOd2E0g
弱监督语义分割最新方法资源列表
https://mp.weixin.qq.com/s/USOWECXk_az4b6eTssfOBw
基于弱监督深度学习的图像分割方法综述
https://mp.weixin.qq.com/s/8oEdQOmSRrkIaTVQdhk2Dw
无监督领域特定单图像去模糊
https://mp.weixin.qq.com/s/FpIaa8XoJ9GsHxL-W1Cl5Q
斯坦福AI实验室机器学习编程新范式:弱监督
https://mp.weixin.qq.com/s/ys9iiiBL3iL2SJL247AMlA
多伦多大学&NVIDIA最新成果:图像标注速度提升10倍!
https://mp.weixin.qq.com/s/V6xiG931OUJyVx15QFb_mQ
弱监督视觉理解笔记
https://mp.weixin.qq.com/s/HopNSLS75TgE28LfY02qog
不同视角构造cycle-consistency,降低视频标注成本
https://mp.weixin.qq.com/s/XiLBHkraT8lJcOu2faqK5g
关于弱监督学习,这可能是目前最详尽的一篇科普文
https://mp.weixin.qq.com/s/VnOfYuHQQf_q92VHVE3mrQ
谷歌新发布的半监督学习算法降低4倍错误率
https://mp.weixin.qq.com/s/rOj_J1zNYf-Vj9tqLG5KOQ
超强半监督学习MixMatch
https://zhuanlan.zhihu.com/p/66389797
虚拟对抗训练(VAT):一种新颖的半监督学习正则化方法
https://mp.weixin.qq.com/s/DAtHXSfCpqCAZ0iVsfWkDA
半监督学习理论及其研究进展概述
https://mp.weixin.qq.com/s/eHzNIO-RSY-uf-K-OwtWfw
集多种半监督学习范式为一体,谷歌新研究提出新型半监督方法MixMatch
https://mp.weixin.qq.com/s/3el7bPAeJrTQGfWW29ewuA
新技术“红”不过十年,半监督学习为什么是个例外?
https://mp.weixin.qq.com/s/alnji5kgTxc34O7k78uGiA
无监督学习中的目标检测
https://mp.weixin.qq.com/s/8FtDhpgc-1j3TSL771N-Ng
无标注数据是鸡肋还是宝藏?阿里工程师这样用它
https://mp.weixin.qq.com/s/LdfLd2cZCdpvNYLKHUNwuA
简述无监督图像分类发展现状
https://mp.weixin.qq.com/s/qaLQK3uzaeyp68AbL0aOOQ
怎么在视频标注上省钱?这里有一个面向视频推荐的多视图主动学习
https://mp.weixin.qq.com/s/-cXOUw9zJteVUkbpRMIWtQ
何恺明一作,刷新7项检测分割任务,无监督预训练完胜有监督
https://mp.weixin.qq.com/s/wtHrHFoT2E_HLHukPdJUig
OpenAI科学家一文详解自监督学习
https://mp.weixin.qq.com/s/fy1gUElWVWcOVvzv6fGmdg
谷歌大脑推出视觉领域任务自适应基准:VTAB
https://zhuanlan.zhihu.com/p/80815225
Image-Level弱监督图像语义分割汇总简析
https://mp.weixin.qq.com/s/5czWf0xpqva5pmuvJDn5AQ
Google研究院提出FixMatch,简单粗暴却极其有效的半监督学习方法,附14页PDF下载
https://zhuanlan.zhihu.com/p/108088719
SSL:Self-Supervised Learning(自监督学习)
https://zhuanlan.zhihu.com/p/108625273
Self-Supervised Learning入门介绍
https://zhuanlan.zhihu.com/p/108906502
Self-supervised Learning再次入门
https://mp.weixin.qq.com/s/VvUj0S2OTf8BowGRjDuVag
图解自监督学习,人工智能蛋糕中最大的一块
https://mp.weixin.qq.com/s/df51T24mBVycBeI_M7QqOQ
无标记数据学习, 83ppt
https://mp.weixin.qq.com/s/2FxD6ga6b_WOdAni16wd2Q
自监督学习在计算机视觉应用最新概述,108页ppt Self-supervised learning
https://mp.weixin.qq.com/s/3kwLoojFjJoPz4pUuEVA8g
神奇的自监督场景去遮挡
https://mp.weixin.qq.com/s/eROWWPQkUs91bcv4VsQqSA
NLP中的自监督表示学习,全是动图,很过瘾的
Recommend
About Joyk
Aggregate valuable and interesting links.
Joyk means Joy of geeK