基于全局与局部表示的多网络对比学习
计算机视觉与模式识别
2023-08-01 v2
摘要
自监督学习的流行使得无需依赖标注数据训练模型成为可能，节省了昂贵的标注成本。然而，大多数现有自监督对比学习方法常忽视全局与局部特征信息的结合。本文提出一种基于全局与局部表示的多网络对比学习框架。我们通过多个网络为自监督对比学习引入全局与局部特征信息。模型通过对比多个网络生成的嵌入对，学习图像不同尺度的特征信息。该框架还扩展了用于对比的样本数量，提升了模型的训练效率。在三个基准数据集上的线性评估结果表示，我们的方法优于若干现有经典自监督学习方法。
引用
@article{arxiv.2306.15930,
title = {Multi-network Contrastive Learning Based on Global and Local Representations},
author = {Weiquan Li and Xianzhong Long and Yun Li},
journal= {arXiv preprint arXiv:2306.15930},
year = {2023}
}