Unsupervised

2024-09-29[GAN][图片异常检测]Unsupervised Anomaly Detection withGenerative Adversarial Networks to GuideMarker Disco
论文背景与目标: 本文旨在将GAN运用到图片异常检测中，并取得了一定的效果,该模型不仅能够检测已知的异常，还能够发现未曾标注的新异常。提出了结合GAN的生成和判别功能的新型异常评分方法。在无监督的前提下实现了异常图像的分割。通过利用GAN的潜在空间，提出了新的
2024-09-28[对比学习][何凯明]Momentum Contrast for Unsupervised Visual Representation Learning
论文背景：本文由何凯明先生主笔,在原先的对比学习模型---如SIMCLR中，需要大量的负样本以供系统学习其特征分布，但是在多数场景下，样本空间中往往负样本不足或过大，比如在一个百万用户量级的推荐系统中，若将与目标用户不像关系的用户视为负样本，则时间计算度会非常大，基本
2024-09-19论文阅读：Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks
Abstract背景：希望能缩小CNN在监督学习和无监督学习之间成功应用的差距。贡献：引入了一类称为深度卷积生成对抗网络（DCGAN）的CNN。结果：DCGAN在生成器和判别器中都能从对象到场景学习表示层次结构。1.Introduction贡献：提出DCGAN用于图像分类任务，展示其性能对滤波器
2024-08-26论文解读Multi-Prompt Alignment for Multi-Source Unsupervised Domain Adaptation
Multi-PromptAlignmentforMulti-SourceUnsupervisedDomainAdaptationNeurlIPS2023摘要大多数现有的无监督域适应(UDA)方法依赖于共享网络来提取领域不变特征。无论如何，当面对多个源域时，优化这样的网络涉及更新整个网络的参数，这样既昂贵又有挑战性，特别是与最小最大
2024-06-19阅读笔记：DualGAN: Unsupervised Dual Learning for Image-to-Image Translation
以下是原论文分析，欢迎指正~DualGAN：用于图像转换的无监督双向学习作者：ZiliYi、Hao(Richard)Zhang、PingTan和MinglunGong纽芬兰纪念大学西蒙弗雷泽大学摘要使用条件生成对抗网络（conditionalGAN）进行跨域图像转换在过去一年中取得了重大改进.根据任务的复杂程度
2024-06-02[论文速览] DualVector@ Unsupervised Vector Font Synthesis with Dual-Part Representation
Pretitle:DualVector:UnsupervisedVectorFontSynthesiswithDual-PartRepresentationaccepted:CVPR2023paper:https://arxiv.org/abs/2305.10462code:https://github.com/thuliu-yt16/dualvector关键词:Unsupervison,VectorFontSynthesis,TrueTypeFontConv
2024-04-11无监督多视角行人检测 Unsupervised Multi-view Pedestrian Detection
无监督多视角行人检测UnsupervisedMulti-viewPedestrianDetection论文url：https://arxiv.org/abs/2305.12457论文简述该论文提出了一种名为UnsupervisedMulti-viewPedestrianDetection(UMPD)的新方法，旨在通过多视角视频监控数据准确地定位行人，而无需依赖于人工标注的视
2024-03-25论文解读（UDA-GCN）《Unsupervised Domain Adaptive Graph Convolutional Networks》
Note：[wechat：Y466551|可加勿骚扰，付费咨询]论文信息论文标题：UnsupervisedDomainAdaptiveGraphConvolutionalNetworks论文作者：论文来源：2020aRxiv论文地址：download 论文代码：download视屏讲解：click1-摘要图卷积网络（GCNs）在许多与图相关的分析任务中都取得了令人印
2023-12-27测试开发 | 人工智能无监督学习（Unsupervised Learning）
无监督学习是人工智能领域中备受关注的学习方式之一，其独特之处在于不依赖标签数据进行训练。本文将深入介绍无监督学习的定义、原理、应用领域以及未来发展趋势。1.无监督学习的定义无监督学习是一种机器学习范式，其目标是从未标记的数据中发现模式、结构和规律，而不像监督学习那样
2023-12-25GPT-2 《Language Models are Unsupervised Multitask Learners》解读
背景GPT1采用了pre-train+fine-tuning训练方式，也就是说为了适应不同的训练任务，模型还是需要在特定任务的数据集上微调，仍然存在较多人工干预的成本。GPT-2想彻底解决这个问题，通过zero-shot，在迁移到其他任务上的时候不需要额外的标注数据，也不需要额外的模型训练。训练数据
2023-08-17论文解读（UDALM）《UDALM: Unsupervised Domain Adaptation through Language Modeling 》
Note：[wechat：Y466551|可加勿骚扰，付费咨询]论文信息论文标题：UDALM:UnsupervisedDomainAdaptationthroughLanguageModeling 论文作者：ConstantinosKarouzos,GeorgiosParaskevopoulos,AlexandrosPotamianos论文来源：2021aRxiv论文地址：download论文代码：download视屏
2023-08-05论文解读（MCD）《Maximum Classifier Discrepancy for Unsupervised Domain Adaptation》
Note：[wechat：Y466551|付费咨询，非诚勿扰]论文信息论文标题：MaximumClassifierDiscrepancyforUnsupervisedDomainAdaptation论文作者：KuniakiSaito,KoheiWatanabe,Y.Ushiku,T.Harada论文来源：2018CVPR论文地址：download论文代码：download视屏讲解：click1介绍
2023-08-04论文解读（DWL）《Dynamic Weighted Learning for Unsupervised Domain Adaptation》
[Wechat：Y466551|付费咨询，非诚勿扰]论文信息论文标题：DynamicWeightedLearningforUnsupervisedDomainAdaptation论文作者：JihongOuyang、ZhengjieZhang、QingyiMeng论文来源：2023aRxiv论文地址：download 论文代码：download视屏讲解：click1介绍 2方法2.1
2023-08-02论文解读（）《Cluster Alignment with a Teacher for Unsupervised Domain Adaptation》
Note：[wechat：Y466551|付费咨询，非诚勿扰]论文信息论文标题：ClusterAlignmentwithaTeacherforUnsupervisedDomainAdaptation论文作者：ZhijieDeng,YucenLuo,JunZhu论文来源：2020ICCV论文地址：download 论文代码：download视屏讲解：click1介绍 2方法2.
2023-07-26Unsupervised Learning of Depth and Ego-Motion from Video(CVPR2017)论文阅读
深度估计问题从输入的单目或双目图像，计算图像物体与摄像头之间距离（输出距离图），双目的距离估计应该是比较成熟和完善，但往单目上考虑主要还是成本的问题，所以做好单目的深度估计有一定的意义。单目的意思是只有一个摄像头，同一个时间点只有一张图片。就象你闭上一只眼睛，只用一
2023-05-09DYNAMICS-AWARE UNSUPERVISED DISCOVERY OF SKILLS
发表时间：2020（ICLR2020）文章要点：这篇文章提出了一个无监督的model-based的学习算法Dynamics-AwareDiscoveryofSkills(DADS)，可以同时发现可预测的行为以及学习他们的dynamics。然后对于新任务，可以直接用zero-shotplanning的方法选择最优动作。这个文章的点就是学习skill的方式
2023-05-02迁移学习（VMT）《Virtual Mixup Training for Unsupervised Domain Adaptation》
论文信息论文标题：VirtualMixupTrainingforUnsupervisedDomainAdaptation论文作者：TakeruMiyato,S.Maeda,MasanoriKoyama,S.Ishii论文来源：2019CVPR论文地址：download 论文代码：download视屏讲解：click
2023-04-21迁移学习（PAT）《Pairwise Adversarial Training for Unsupervised Class-imbalanced Domain Adaptation》
论文信息论文标题：PairwiseAdversarialTrainingforUnsupervisedClass-imbalancedDomainAdaptation论文作者：WeiliShi,RonghangZhu,ShengLi论文来源：KDD2022论文地址：download 论文代码：download视屏讲解：click1摘要提出问题：类不平衡问题；解决方法：提出了一
2023-04-07迁移学习《Efficient and Robust Pseudo-Labeling for Unsupervised Domain Adaptation》
论文信息论文标题：EfficientandRobustPseudo-LabelingforUnsupervisedDomainAdaptation论文作者：HochangRhee、NamIkCho论文来源：2019——ICML论文地址：download 论文代码：download视屏讲解：click1摘要问题：无监督域适应传统方法将超过一定置信度阈值的数据视为目标域
2023-04-06迁移学习《Asymmetric Tri-training for Unsupervised Domain Adaptation》
论文信息论文标题：AsymmetricTri-trainingforUnsupervisedDomainAdaptation论文作者：KuniakiSaito, Y.Ushiku, T.Harada论文来源：27February2017——ICML论文地址：download 论文代码：download视屏讲解：click1介绍简单的域分布对齐可能无法提供有效的判别表示，为学
2023-03-18论文解读（DeepCluster）《Deep Clustering for Unsupervised Learning of Visual Features》
论文信息论文标题：DeepClusteringforUnsupervisedLearningofVisualFeatures论文作者：MathildeCaron,PiotrBojanowski,ArmandJoulin,MatthijsDouze论文来源：论
2023-01-20机器学习（day1）
1、MachineLearningGrowoutofworkinAINewcapabilityforcomputers2、ExamplesDatabaseminingLargedatabasefromgrowthofautomation/webEg.Webcli
2023-01-12迁移学习（JDDA）《Joint domain alignment and discriminative feature learning for unsupervised deep domain
论文信息论文标题：Jointdomainalignmentanddiscriminativefeaturelearningforunsuperviseddeepdomainadaptation论文作者：ChaoChen,ZhihongChen,BoyuanJ
2023-01-10迁移学习（IIMT）——《Improve Unsupervised Domain Adaptation with Mixup Training》
论文信息论文标题：ImproveUnsupervisedDomainAdaptationwithMixupTraining论文作者：ShenYan,HuanSong,NanxiangLi,LincanZou,LiuRen论文来源：arxiv2020论文
2022-12-21【机器学习】李宏毅——Unsupervised Learning
读这篇文章之间欢迎各位先阅读我之前写过的线性降维的文章。这篇文章应该也是属于UnsupervisedLearning的内容的。NeighborEmbeddingManifoldLearning（流形学习）在实际