裂脑自编码器：基于跨通道预测的无监督学习
计算机视觉与模式识别
2017-04-21 v3
摘要
我们提出了裂脑自编码器，这是对传统自编码器架构的一种直接修改，用于无监督表示学习。该方法在网络中加入分裂，产生两个不相交的子网络。每个子网络被训练以执行一项困难的任务——从一部分数据通道预测另一部分数据通道。两个子网络共同从整个输入信号中提取特征。通过迫使网络解决跨通道预测任务，我们在网络中诱导出一种能很好地迁移到其他未见任务的表示。该方法在多个大规模迁移学习基准上取得了 SOTA 性能。
引用
@article{arxiv.1611.09842,
title = {Split-Brain Autoencoders: Unsupervised Learning by Cross-Channel Prediction},
author = {Richard Zhang and Phillip Isola and Alexei A. Efros},
journal= {arXiv preprint arXiv:1611.09842},
year = {2017}
}
备注
Accepted to CVPR 2017