通过观察物体运动学习特征

本文提出了一种新颖而直观的无监督特征学习方法。受人类视觉系统启发，我们探索了基于运动的低层次分组线索是否可用于学习有效的视觉表示。具体而言，我们对视频使用基于运动的无监督分割来获得片段，将其作为“伪真值”来训练卷积网络从单帧中分割物体。鉴于大量证据表明运动在人类视觉系统发育中起着关键作用，我们希望这种直接的无监督学习方法比文献中研究的精心设计的“前置”任务更有效。事实上，我们广泛的实验表明情况确实如此。当用于目标检测的迁移学习时，我们的表示在多种设置下显著优于以前的无监督方法，尤其是在目标任务的训练数据稀缺时。