基于层次分组的自监督视觉表征学习
计算机视觉与模式识别
2020-12-08 v1
摘要
我们创建了一个从原始视觉分组能力引导视觉表征学习的框架。我们通过轮廓检测器将图像划分为区域，并将这些区域合并为树状层次结构来实现分组。一个小的监督数据集足以训练该分组原语。在大型无标签数据集上，我们应用该学习到的原语自动预测层次区域结构。这些预测作为自监督对比特征学习的引导：我们令深度网络产生逐像素嵌入，其成对距离遵从区域层次。实验表明，我们的方法可作为最先进的通用预训练，惠及下游任务。我们还探索了在语义区域搜索和基于视频的对象实例跟踪中的应用。
引用
@article{arxiv.2012.03044,
title = {Self-Supervised Visual Representation Learning from Hierarchical Grouping},
author = {Xiao Zhang and Michael Maire},
journal= {arXiv preprint arXiv:2012.03044},
year = {2020}
}
备注
Accepted by NeurIPS 2020