計算機視覺研究新方向：自監督表示學習總結（建議收藏）

做者&編輯：李中梁 爲何須要自監督學習 隨着深度模型的興起，基於監督的圖像特徵提取方式已經成爲主流。然而這種方法須要大量的有標籤數據，標註成本太高，在小樣本數據集上面臨着過擬合等問題。如何減小算法對高質量標籤數據集的需求？如何利用大量的無標籤圖像數據進行特徵提取？如何讓模型提取的特徵具備更加泛化的表達能力？ 自監督表示學習算法應運而生。公衆號上一篇自監督學習在計算機視覺中的應用爲你們介紹了自監督學

>>阅读原文<<