关于机器学习中的评价指标概念的问答。
论文题目:HCSC: Hierarchical Contrastive Selective Coding
code:https://github.com/gyfastas/HCSC
Motivation
1、对于Instance-wise的对比学习方法(SimCLR, MoCo, SigSiam等),它们过度关注到实例特征之间的关系,却忽略了整个数据集的语义结构。
2、对于原型对比学习方法,它们更多是在单个层级上做聚类,没有考虑到数据集的多层级的特性。
论文题目:Prototypical Contrastive Learning of Unsupervised Representations
code: https://github.com/salesforce/PCL
Motivation
如今自监督对比学习的经典做法离不开数据增扩和对比损失,针对于对比损失而言,在batch里面划分正负样本的做法会忽视数据的语义结构表示,许多具有相似语义结构的负样本实例在特征空间其实不希望被拉开距离,但是对比损失会放大他们之间的差距。