基于局部注意力感知特征的自监督学习
计算机视觉与模式识别
2021-08-03 v1 图像与视频处理
摘要
在这项工作中，我们提出了一种用于生成全局与局部注意力感知视觉特征的自监督学习新方法。我们的方法基于训练一个模型，以区分输入样本的特图像变换与分块(patched)图像。利用该方法，所提方法在 Tiny-ImageNet 数据集上以 1.03% 优于先前最佳竞争者，在 STL-10 数据集上以 2.32% 优于先前最佳竞争者。此外，我们的方法在 STL-10 数据集上优于全监督学习方法。实验结果与可视化显示了成功学习全局与局部注意力感知视觉表示的能力。
引用
@article{arxiv.2108.00475,
title = {Self-supervised Learning with Local Attention-Aware Feature},
author = {Trung X. Pham and Rusty John Lloyd Mina and Dias Issa and Chang D. Yoo},
journal= {arXiv preprint arXiv:2108.00475},
year = {2021}
}
备注
5 pages, 4 figures