概念Formula-Driven Supervised Metric Learning

FDSML

一种基于数学公式生成参数的合成数据预训练方法，将监督信号从离散类别标签转为连续参数空间的关系型监督，核心组件包括FineFractalDB数据集和PA-Triplet Loss

时间轴 (近 90 天)

10月30日

FDSML（Formula-Driven Supervised Metric Learning）将监督信号从离散类别标签转向图像生成参数，通过参数感知三元组损失（PA-Triplet Loss）构建关系型监督。

待验证50%

10月30日

FDSML由两个关键组件构成：FineFractalDB数据集和PA-Triplet Loss。

待验证50%

10月30日

在ResNet-50 backbone上，FDSML预训练模型在Stanford Online Products数据集上的Recall@1从65.6%提升至74.0%。

待验证50%

10月30日

FDSML在下游分类任务上保持竞争力，并在多种损坏设置下展现出更好的鲁棒性。

待验证50%

FDSML（Formula-Driven Supervised Metric Learning）将监督信号从离散类别标签转向图像生成参数，通过参数感知三元组损失（PA-Triplet Loss）构建关系型监督。

FDSML由两个关键组件构成：FineFractalDB数据集和PA-Triplet Loss。

在ResNet-50 backbone上，FDSML预训练模型在Stanford Online Products数据集上的Recall@1从65.6%提升至74.0%。

FDSML在下游分类任务上保持竞争力，并在多种损坏设置下展现出更好的鲁棒性。