Self-EMD：无需ImageNet的自监督目标检测
计算机视觉与模式识别
2021-03-23 v3
摘要
本文提出一种新颖的自监督表示学习方法Self-EMD，用于目标检测。我们的方法直接在COCO等无标签非图标图像数据集上训练，而非通常使用ImageNet等图标目标图像数据集。我们将卷积特征图保留为图像嵌入以维持空间结构，并采用Earth Mover's Distance（EMD）计算两个嵌入之间的相似度。我们的Faster R-CNN（ResNet50-FPN）基线在COCO上取得39.8% mAP，与在ImageNet上预训练的SOTA自监督方法相当。更重要的是，借助更多无标签图像可进一步提升至40.4% mAP，显示出其利用更易获取的无标签数据的巨大潜力。代码将公开。
引用
@article{arxiv.2011.13677,
title = {Self-EMD: Self-Supervised Object Detection without ImageNet},
author = {Songtao Liu and Zeming Li and Jian Sun},
journal= {arXiv preprint arXiv:2011.13677},
year = {2021}
}