12:42官方账号arXiv cs.LG@Heloísa Dias Viotto, Cauê Samonek, Lucas Garcia Pedroso, Marcos Sunye, André Abed Grégio, Paulo Lisboa de Almeida本论文针对孪生验证网络(Siamese verification networks)中距离阈值的设定问题,提出了一种基于双峰分布假设的无监督方法。该方法通过识别距离分布两个模态之间的最低点来确定阈值,无需标注数据。在MNIST、CIFAR-10、LFW和PKLot四个数据集上的实验显示,平均验证准确率达到94%,与需要标注的等错误率(EER)方法性能相当。该工作使得验证阈值可直接在部署环境中更新,降低了人工标注成本。论文孪生网络验证无监督学习图像验证MNIST推荐理由:这篇论文教你怎么不用标数据就自动设好验证阈值,在四个数据集上测了准确率94%,跟用标数据的方法差不多,挺实用的。原文