Multi-Cue Zero-Shot Learning with Strong Supervision阅读笔记CVPR2016收录
论文地址：https://arxiv.org/pdf/1603.08754.pdf 该论文被CVPR2016收录。当时，zero-shot learning的方法中，最好的依然是依靠着人工标注的属性。本文作者希望能够突破这一现状，利用网上多样的非结构化的文本数据实现全自动的算法，并且得到较好的效果。利用外部文本数据（如wikipedia语料库）的方法可以被称为利用附加数据的方法，这类方法的优点是：
相关文章
- 1. 论文阅读笔记《Boosting Few-Shot Visual Learning with Self-Supervision》
- 2. 论文阅读记录_[CVPR2016] Convolutional Pose Machine
- 3. 论文阅读：CVPR2016 Paper list
- 4. Neural Symbolic Machines: Learning Semantic Parsers on Freebase with Weak Supervision读书笔记
- 5. 【原创】【论文阅读】2020 Learning From Noisy Large-Scale Datasets With Minimal Supervision
- 6. Semantic Autoencoder for Zero-Shot learning阅读笔记CVPR2017收录
- 7. ECCV 2016 Online multi-target tracking with strong and weak detections 阅读笔记
- 8. Machine learning Year阅读笔记
- 9. Machine Learning & Deep Learning 论文阅读笔记
- 10. 论文阅读笔记（四十）：Learning Spatiotemporal Features with 3D Convolutional Networks（C3D）
- 更多相关文章...
- • RSS 阅读器 - RSS 教程
- • ADO 添加记录 - ADO 教程
- • Tomcat学习笔记（史上最全tomcat学习笔记）
- • JDK13 GA发布：5大特性解读
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. 论文阅读笔记《Boosting Few-Shot Visual Learning with Self-Supervision》
- 2. 论文阅读记录_[CVPR2016] Convolutional Pose Machine
- 3. 论文阅读：CVPR2016 Paper list
- 4. Neural Symbolic Machines: Learning Semantic Parsers on Freebase with Weak Supervision读书笔记
- 5. 【原创】【论文阅读】2020 Learning From Noisy Large-Scale Datasets With Minimal Supervision
- 6. Semantic Autoencoder for Zero-Shot learning阅读笔记CVPR2017收录
- 7. ECCV 2016 Online multi-target tracking with strong and weak detections 阅读笔记
- 8. Machine learning Year阅读笔记
- 9. Machine Learning & Deep Learning 论文阅读笔记
- 10. 论文阅读笔记（四十）：Learning Spatiotemporal Features with 3D Convolutional Networks（C3D）