基于多实例增强的视觉特征 K-Shot 对比学习
计算机视觉与模式识别
2021-05-18 v2
摘要
本文中，我们提出 -Shot 对比学习（KSCL）来学习视觉特征，通过施加多种增强来探究单个实例内的样本变化。其旨在结合实例间判别的优势（通过学习判别性特征以区分不同实例）与实例内变化（通过将查询与实例上增强样本的变体进行匹配）。特别地，对于每个实例，它构建一个实例子空间来建模 -shot 增强中显著变化因子如何组合以形成增强变体的配置。给定查询后，通过将查询投影到其子空间上以预测正实例类别，从而检索最相关的实例变体。这推广了现有对比学习（可视为一种特殊的一-shot 情形）。通过特征值分解来配置实例子空间，且嵌入网络可通过可微子空间配置进行端到端训练。实验结果表明，所提出的 -shot 对比学习取得了优于最先进无监督方法的性能。
引用
@article{arxiv.2007.13310,
title = {K-Shot Contrastive Learning of Visual Features with Multiple Instance Augmentations},
author = {Haohang Xu and Hongkai Xiong and Guo-Jun Qi},
journal= {arXiv preprint arXiv:2007.13310},
year = {2021}
}