在无监督时空特征学习中引入可扩展性

深度神经网络是高效的学习机器，其利用大量人工标注的数据来学习判别性特征。然而，获取大量监督数据，尤其是视频数据，在各种计算机视觉任务中可能是繁琐的工作。这使得在无人监督的环境下从视频中学习视觉特征成为必要。在本文中，我们提出了一种计算简单却有效的框架，从未标注视频中学习时空特征嵌入。我们在某些概率假设下，利用从视频中挖掘的正样本对和负样本对训练一个三维卷积孪生网络。在三个数据集上的实验结果表明，我们提出的框架能够学习到可用于同一数据集及跨数据集与任务的权重。