预训练等变特征改进无监督地标发现
计算机视觉与模式识别
2021-04-08 v1 人工智能
机器学习
摘要
定位语义有意义地标点是大量计算机视觉流程的关键组件。由于带真值地标标注的可用数据集较少，设计鲁棒的无监督与半监督地标检测方法十分重要。许多近期无监督学习方法依赖于地标对合成图像形变的等变性。我们的工作聚焦于此类广泛使用的方法，并揭示其核心问题：无法产生等变的中间卷积特征。该发现引导我们提出一种两步无监督方法，通过先学习强大的基于像素的特征，再用预训练特征以传统等变方法学习地标检测器来克服此挑战。我们的方法在若干具挑战性的地标检测数据集（如 BBC Pose 数据集与 Cat-Head 数据集）上取得当前最优结果，并在一系列其他基准上表现相当。
引用
@article{arxiv.2104.02925,
title = {Pretrained equivariant features improve unsupervised landmark discovery},
author = {Rahul Rahaman and Atin Ghosh and Alexandre H. Thiery},
journal= {arXiv preprint arXiv:2104.02925},
year = {2021}
}