通过完成受损拼图学习图像表示
计算机视觉与模式识别
2018-02-07 v1
摘要
本文中，我们探索了使自监督任务复杂化以用于表示学习的方法。即，我们对数据施以严重损坏并鼓励网络恢复它们。首先，我们使三个强大的自监督任务候选——拼图、图像修复与着色——中的每一个复杂化。此外，我们引入了一种称为“完成受损拼图”的新颖复杂自监督任务，其为缺失一块且其余块无颜色的拼图。我们训练卷积神经网络不仅求解拼图，还生成缺失内容并为拼图上色。上述损坏的恢复推动网络获得鲁棒且通用的表示。我们证明，使自监督任务复杂化可改进其原始版本，且与我们最终的候选任务简单组合相比，我们的最终任务学到了更鲁棒且可迁移的表示。我们的方法在 PASCAL 分类与语义分割的迁移学习中取得了最先进的性能。
引用
@article{arxiv.1802.01880,
title = {Learning Image Representations by Completing Damaged Jigsaw Puzzles},
author = {Dahun Kim and Donghyeon Cho and Donggeun Yoo and In So Kweon},
journal= {arXiv preprint arXiv:1802.01880},
year = {2018}
}
备注
accepted at WACV 2018