利用视角线索：面向多视角目标识别的自监督与正则化学习
计算机视觉与模式识别
2020-03-31 v1
摘要
多视角识别在文献中已被充分研究，并在目标识别与检索任务中取得了不错的表现。然而，以往大多数工作依赖于监督学习以及一些不切实际的潜在假设，例如训练和推理时所有视角均可用。本文研究了多视角自监督学习（MV-SSL）问题，其中仅给定图像到目标的关联。在此设定下，通过追求“目标不变”表示，提出了一种新颖的自监督代理任务。该方法随机选取某目标的一幅图像特征作为目标原型，并辅以多视角一致性正则化，从而得到视角不变随机原型嵌入（VISPE）。实验表明，使用 VISPE 的识别与检索结果在已见和未见数据上均优于其他自监督学习方法。VISPE 也可应用于半监督场景，并在可用数据有限时展现出鲁棒性能。代码见 https://github.com/chihhuiho/VISPE
引用
@article{arxiv.2003.12735,
title = {Exploit Clues from Views: Self-Supervised and Regularized Learning for Multiview Object Recognition},
author = {Chih-Hui Ho and Bo Liu and Tz-Ying Wu and Nuno Vasconcelos},
journal= {arXiv preprint arXiv:2003.12735},
year = {2020}
}
备注
Accepted to CVPR2020