通过比较图像来学习，通过理解对象来改进

通过比较图像来学习，通过理解对象来改进

无监督的对象级表示从场景图像学习arxiv论文摘要https://arxiv.org/abs/2106.11952arXiv pdf论文https://arxiv.org/pdf/2106.11952.pdfProject网站https://www.mmlab-ntu.com/project/orl/https://arxiv.org/abs/2106.11952 https://arxiv.org/pdf/2106.11952.pdf https://www.mmlab-ntu.com/project/orl/

对比的自我监督学习在很大程度上缩小了与ImageNet上监督前训练的差距。

然而，它的成功高度依赖于ImageNet以对象为中心的先验知识，即同一图像的不同增强视图对应于同一对象。

…在具有许多对象的更复杂的场景图像上进行预训练时是不可行的。

…介绍对象级表征学习…朝向场景图像。

…利用图像级自监督预训练作为先验发现对象级语义对应关系，从而实现从场景图像中学习对象级表征。

…ORL显著提高了场景图像的自监督学习性能，甚至在几个下游任务上都超过了有监督的ImageNet预训练。

此外，ORL还提高了…当有更多的未标记场景图像可用时的性能，

…在野外利用未标记数据的巨大潜力。…

随时了解最新情况。使用我的其他帖子按类别https://morrislee1234.wixsite.com/website/contactWeb订阅我的帖子https://morrislee1234.wixsite.com/website站点https://morrislee1234.wixsite.com/website/contact https://morrislee1234.wixsite.com/website

领英https://www.linkedin.com/in/morris-lee-47877b7bhttps://www.linkedin.com/in/morris-lee-47877b7b