用于预训练目标检测器的深度无监督块重识别
计算机视觉与模式识别
2022-04-12 v2
摘要
无监督预训练旨在学习有益于下游任务的迁移特征。然而，大多数最先进的无监督方法集中于为图像级分类任务学习全局表示，而非判别性的局部区域表示，这限制了它们向区域级下游任务（如目标检测）的迁移性。为提升预训练特征向目标检测的迁移性，我们提出深度无监督块重识别（DUPR），一种简单而有效的无监督视觉表示学习方法。块重识别任务将单个块视为伪身份，并对比学习其在两视图中的对应，使我们能获得用于目标检测的判别性局部特征。随后所提出的块重识别以深度无监督方式执行，契合通常要求多级特征图的目标检测。大量实验表明，DUPR 在各种与目标检测相关的下游任务上优于最先进的无监督预训练乃至 ImageNet 监督预训练。
引用
@article{arxiv.2103.04814,
title = {Deeply Unsupervised Patch Re-Identification for Pre-training Object Detectors},
author = {Jian Ding and Enze Xie and Hang Xu and Chenhan Jiang and Zhenguo Li and Ping Luo and Gui-Song Xia},
journal= {arXiv preprint arXiv:2103.04814},
year = {2022}
}
备注
Accepted to IEEE TPAMI