何愷明最新一作論文：無監督勝有監督，遷移學習無壓力，刷新7項檢測分割任務...

魚羊 發自 凹非寺 量子位 報道 | 公衆號 QbitAI 何愷明的一作論文，又刷新了7項分割檢測任務。 這一次，涉及的是無監督表徵學習。這一方法廣泛應用在NLP領域，但尚未在計算機視覺中引起注意。 Facebook AI研究院的何愷明團隊受此啓發，採用對比損失（constrative loss）法，即從圖像數據中採樣鍵（或令牌），並由經過訓練、與字典相匹配的編碼器表徵。 新的方法，名叫MoCo（

>>阅读原文<<