CVPRApr, 2022
论同孪表示学习中的不对称性重要性
On the Importance of Asymmetry for Siamese Representation Learning
Xiao Wang, Haoqi Fan, Yuandong Tian, Daisuke Kihara, Xinlei Chen
TL;DR本论文探讨了利用不对称网络结构进行自监督表示学习的重要性,发现保持目标编码比源编码相对较低的方差通常对学习有利,并且在多个案例和数据集上得到了验证和实验结果的支持,可以在 ImageNet 线性探针上实现最新的精度,并在下游传输学习方面取得了有竞争力的结果。