PatchVAE：学习用于识别的局部潜码
计算机视觉与模式识别
2020-04-09 v1 机器学习
摘要
无监督表示学习有望利用大量无标签数据学习通用表示。变分自编码器（VAEs）框架是一种有前景的无监督学习技术。然而，VAE 学到的无监督表示在识别任务上的表现显著逊于监督学习学到的表示。我们的假设是，要学习对识别有用的表示，模型需要被鼓励去了解数据中重复且一致的模式。受中层表示发现工作的启发，我们提出了 PatchVAE，其在块（patch）级别上对图像进行推理。我们的关键贡献是一种瓶颈公式，其在 VAE 框架中鼓励中层风格表示。我们的实验表明，相比原始 VAE 学到的表示，我们的方法学到的表示在识别任务上表现要好得多。
引用
@article{arxiv.2004.03623,
title = {PatchVAE: Learning Local Latent Codes for Recognition},
author = {Kamal Gupta and Saurabh Singh and Abhinav Shrivastava},
journal= {arXiv preprint arXiv:2004.03623},
year = {2020}
}
备注
To appear at CVPR 2020