通过求解拼图游戏的无监督视觉表示学习
计算机视觉与模式识别
2017-08-23 v3
摘要
本文研究无人工标注的图像表示学习问题。遵循自监督原则，我们构建了一个卷积神经网络（CNN），可训练其以解决拼图游戏作为前置任务，该任务无需手动标注，随后可重新用于解决目标分类与检测。为保持跨任务的兼容性，我们引入了无上下文网络（CFN），一种连体九元组CNN。CFN以图像块作为输入，并显式地将其早期处理单元的接受域（或上下文）限制为每次仅一个图块。我们表明，CFN比AlexNet包含更少的参数，同时保留了相同的语义学习能力。通过训练CFN解决拼图游戏，我们同时学习了目标部件的特征映射及其正确的空间排列。我们的实验评估表明，学习到的特征捕获了语义相关内容。我们提出的视觉表示学习方法在多个迁移学习基准上优于最先进方法。
引用
@article{arxiv.1603.09246,
title = {Unsupervised Learning of Visual Representations by Solving Jigsaw Puzzles},
author = {Mehdi Noroozi and Paolo Favaro},
journal= {arXiv preprint arXiv:1603.09246},
year = {2017}
}
备注
ECCV 2016