一种面向视觉表示无监督学习的分类方法
计算机视觉与模式识别
2018-06-04 v1 机器学习
机器学习
摘要
本文提出一种视觉表示无监督学习的技术。具体而言，我们训练一个用于前景与背景分类任务的模型，在此过程中学习视觉表示。用于训练的前景和背景块(patch)来自于从网络上数十万未标记视频中挖掘此类块，我们使用所提出的块提取算法进行提取。在不使用任何监督、仅使用150,000个未标记视频和PASCAL VOC 2007数据集的情况下，我们训练了一个目标识别模型，其mAP达到45.3，接近性能最佳的无监督特征学习技术，且优于许多其他已提出的算法。块提取代码用Matlab实现，并在以下链接开源。
引用
@article{arxiv.1806.00428,
title = {A Classification approach towards Unsupervised Learning of Visual Representations},
author = {Aditya Vora},
journal= {arXiv preprint arXiv:1806.00428},
year = {2018}
}