通过识别伪影进行自监督特征学习
计算机视觉与模式识别
2018-06-14 v1
摘要
我们提出了一种基于对抗训练的新颖自监督学习方法。我们的目标是训练一个判别器网络以区分真实图像与带有合成伪影的图像，然后从其中间层提取可迁移到其他数据域和任务的特征。为生成带伪影的图像，我们预训练一个高容量自编码器，然后采用损坏与修复策略：首先，冻结自编码器并随机丢弃编码器输出的条目以损坏之；其次，为解码器增补一个修复网络，并以对抗方式针对判别器进行训练。修复网络通过修补被丢弃的特征条目来帮助生成更逼真的图像。为使判别器聚焦于伪影，我们还令其预测特征中哪些条目被丢弃。我们通过实验证明，通过创建并识别伪影所学得的特征在多个基准上达到了最先进的性能。
引用
@article{arxiv.1806.05024,
title = {Self-Supervised Feature Learning by Learning to Spot Artifacts},
author = {Simon Jenni and Paolo Favaro},
journal= {arXiv preprint arXiv:1806.05024},
year = {2018}
}
备注
CVPR 2018 (spotlight)