面向目标检测中分布外检测的对比学习
计算机视觉与模式识别
2022-08-15 v1
摘要
对比学习常用于自监督学习，且已被证明优于三元组损失和 N-pair 损失等传统方法。然而，其对大批量大小和内存库的需求使得训练困难且缓慢。近来，有监督对比学习方法被提出以克服这些问题，它们更侧重于为每个类别单独学习良好表征，或在类别簇之间学习。本文中，我们尝试基于用户定义的排序依据相似性对类别进行排序，以在所有类别间学习高效表征。我们观察到将人类偏置引入学习过程可改善参数空间中的学习表征。我们表明，在图像分类和目标检测方面，我们的结果与有监督对比学习相当，并讨论了其在分布外（OOD）检测中的不足。
引用
@article{arxiv.2208.06083,
title = {Contrastive Learning for OOD in Object detection},
author = {Rishab Balasubramanian and Rupashree Dey and Kunal Rathore},
journal= {arXiv preprint arXiv:2208.06083},
year = {2022}
}