BriefGPT.xyz
May, 2019
自监督视觉表示学习的扩展和基准测试
Scaling and Benchmarking Self-Supervised Visual Representation Learning
HTML
PDF
Priya Goyal, Dhruv Mahajan, Abhinav Gupta, Ishan Misra
TL;DR
本文探讨了自监督学习的可扩展性,并在大规模数据集上评估了两种流行的自监督学习方法,并发现当前自监督学习方法没有充分利用大规模数据,且无法学习到有效的高层语义表示。同时,介绍了9个不同数据集和任务的自监督学习基准测试,必要时开展可比较的评估设置,以实现具有意义的进展。
Abstract
self-supervised learning
aims to learn representations from the data itself without explicit manual supervision. Existing efforts ignore a crucial aspect of
self-supervised learning
- the ability to scale to larg
→