Sharing Matters for Generalization in Deep Metric Learning

机译：在深度度量学习中共享泛化的事项

代理获取

本网站仅为用户提供外文OA文献查询和代理获取服务，本网站没有原文。下单后我们将采用程序或人工为您竭诚获取高质量的原文，但由于OA文献来源多样且变更频繁，仍可能出现获取不到、文献不完整或与标题不符等情况，如果获取不到我们将提供退款服务。请知悉。

页面导航

著录项
引文网络
相似文献
相关主题

著录项

作者
Timo Milbich; Karsten Roth; Biagio Brattoli; Bjorn Ommer;
展开▼
作者单位

展开▼
年度 2020
总页数
原文格式 PDF
正文语种
中图分类

相似文献

外文文献
中文文献
专利

1. Fast generalization rates for distance metric learning: Improved theoretical analysis for smooth strongly convex distance metric learning [J] . Ye Han-Jia, Zhan De-Chuan, Jiang Yuan Machine Learning . 2019,第2期

机译：距离度量学习的快速泛化率：改进的理论分析，用于平滑强凸距离度量学习
2. When Does Market Share Matter? New Empirical Generalizations from a Meta-Analysis of the Market Share-Performance Relationship [J] . Edeling Alexander, Himme Alexander Journal of Marketing . 2018,第3期

机译：什么时候市场份额很重要？市场份额与绩效关系的荟萃分析中的新经验总结
3. Why Power-Sharing (Still) Matters: A Review of Power Sharing in Deeply Divided Places [J] . Soeren Keil Peace and conflict . 2016,第1期

机译：为什么共享权力（仍然）很重要：深度分散的地方的权力共享回顾
4. Revisiting Training Strategies and Generalization Performance in Deep Metric Learning [C] . Karsten Roth, Timo Milbich, Samarth Sinha, International Conference on Machine Learning . 2021

机译：在深度度量学习中重新审视培训策略和泛化绩效
5. On Deep Reinforcement Learning for Games: Generalization of Deep Q-Learning with Multiple Policy Heads [D] . Boucher, Mathieu. 2020

机译：关于游戏的深度加固学习：多重政策头部深度Q学的泛化
6. Target size matters: target errors contribute to the generalization of implicit visuomotor learning [O] . Maayan Reichenthal, Guy Avraham, Amir Karniel, -1

机译：目标大小很重要：目标错误有助于内隐视觉运动学习的普遍化
7. Non-linearity matters: a deep learning solution to generalization of hidden brain patterns across population cohorts [O] . Mariam Zabihi, Seyed Mostafa Kia, Thomas Wolfers, 2021

机译：非线性问题：深入学习解决方案，以跨人口队列的隐藏脑模式泛化

Sharing Matters for Generalization in Deep Metric Learning

著录项

引文网络

相似文献

相关主题

期刊订阅