利用对比学习与伪标签学习零售商品图像分类的表示
计算机视觉与模式识别
2021-10-08 v1 机器学习
摘要
零售商品图像分类问题通常是少样本分类问题，因为零售商品类别无法像猫、狗或树那样在图像间具有此类变化。先前的工作已展示不同方法来微调卷积神经网络（Convolutional Neural Networks），以在此类数据集上实现更好的分类精度。在本工作中，我们尝试解决如下问题：我们能否预训练一个卷积神经网络骨干，其为零售商品图像产生足够好的表示，从而在这些表示上训练一个简单的逻辑回归就能给出良好的分类器？我们使用对比学习和基于伪标签的噪声学生训练来学习表示，其精度可达到为零售商品图像分类微调整个 Convnet 骨干的同等水平。
引用
@article{arxiv.2110.03639,
title = {Using Contrastive Learning and Pseudolabels to learn representations for Retail Product Image Classification},
author = {Muktabh Mayank Srivastava},
journal= {arXiv preprint arXiv:2110.03639},
year = {2021}
}