基于深度神经网络的自监督视觉特征学习：综述
计算机视觉与模式识别
2019-02-19 v1
摘要
为了在计算机视觉应用中从图像或视频的视觉特征学习中获得更好的性能，通常需要大规模标注数据来训练深度神经网络。为避免收集和标注大规模数据集的巨大成本，作为无监督学习方法的一个子集，自监督学习方法被提出用于从大规模未标注数据中学习通用的图像和视频特征，而无需使用任何人工标注标签。本文对基于深度学习的从图像或视频中进行自监督通用视觉特征学习的方法进行了广泛综述。首先，描述了该领域的动机、通用流程与术语。然后总结了用于自监督学习的常见深度神经网络架构。接着，回顾了自监督学习方法的主要组件与评估指标，以及常用的图像和视频数据集与现有的自监督视觉特征学习方法。最后，总结并讨论了所综述方法在基准数据集上针对图像和视频特征学习的定量性能比较。文末对本文进行总结并列出一组有前景的自监督视觉特征学习未来方向。
引用
@article{arxiv.1902.06162,
title = {Self-supervised Visual Feature Learning with Deep Neural Networks: A Survey},
author = {Longlong Jing and Yingli Tian},
journal= {arXiv preprint arXiv:1902.06162},
year = {2019}
}