显著性或可成为对比自监督学习中所需的全部增广策略
计算机视觉与模式识别
2022-11-01 v1
摘要
我们提出了一种用于对比自监督学习（SSL）的增广策略，其形式为一种已建立的显著图像分割技术，称为基于全局对比的显著区域检测。该检测技术原本是为不相关的计算机视觉任务设计的，但在经验上被观察到在 SSL 协议中起到了增广促进器的作用。这一观察源于我们实际尝试以 SSL 方式学习太阳能板航拍影像，其具有具有挑战性的边界模式。在将该技术成功集成到我们的问题域后，我们制定了一个通用流程，并使用各种对比 SSL 算法在标准增广技术下进行了全面、系统的性能评估。该跨多个数据集进行的评估表明，所提出的技术确实对 SSL 有贡献。我们假设，在处理下游分割任务时，显著图像分割是否足以作为对比 SSL 中唯一的增广策略。
引用
@article{arxiv.2210.16776,
title = {Saliency Can Be All You Need In Contrastive Self-Supervised Learning},
author = {Veysel Kocaman and Ofer M. Shir and Thomas Bäck and Ahmed Nabil Belbachir},
journal= {arXiv preprint arXiv:2210.16776},
year = {2022}
}
备注
Accepted for the 17th International Symposium on Visual Computing (ISVC 2022)