计算机视觉中相似度学习方法的研究进展

• 作者: 张大鹏 张宏志 王法强 王鹏 邓红
• 来源期刊: 智能计算机与应用
• 学科: 工学
• 关键词: 相似度学习 距离度量学习 深度相似度学习
• 年，卷（期）: 2019,（1）
• 所属期刊栏目: 系统开发与应用
• 页码范围: 149-152,158
• 页数: 5页
• 分类号: TP391
• 字数: 4344字
• 语种: 中文
• DOI: 10.3969/j.issn.2095-2163.2019.01.035

摘要

相似度学习方法通过学习合适的相似度度量以改进模型的分类或聚类效果.现有的研究表明,相似度学习方法在很多计算机视觉问题中起到重要的作用.近年来随着数据规模的急剧增大和应用领域的多样化,相似度学习问题发展了很多新的研究领域.本文介绍了近年来相似度学习问题的研究进展和发展过程,包括从传统的二元组和三元组约束发展到新型相似度约束、从欧氏距离与马氏距离发展到新型相似度度量、从图像间的相似度学习发展到图像集之间的相似度学习、从单一模态相似度学习发展到跨模态相似度学习.最后本文展望了相似度学习未来可能的发展方向.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王鹏	东北农业大学理学院	39	171	9.0	11.0
2	张宏志	哈尔滨工业大学计算机科学与技术学院	26	283	10.0	16.0
3	张大鹏	哈尔滨工业大学计算机科学与技术学院	8	75	7.0	8.0
4	王法强	哈尔滨工业大学计算机科学与技术学院	1	2	1.0	1.0
5	邓红	东北农业大学理学院	1	2	1.0	1.0