admin 管理员组

文章数量: 1184232

论文笔记：Bootstrap Your Own Latent A New Approach to Self-Supervised Learning

abstract：

介绍了BYOL网络（原理）：依赖两个网络，一个online和target网络，互相之间相互影响相互学习。从图像增强地视角下看online和target网络，在同一张图片，我们训练了online网络去预测target网络的representation。与此同时，At the same time, we update the target network with a slow-moving average of the online network.（没有看懂这里的 a slow-moving average）。
对比于其他网络： 我们与一些顶级的自监督网络相比我们不需要负样本，在imagenet上我们取得了很好的成绩。

Introduction

背景1：好的特征提取是计算机视觉的主要任务，而且好的特征提取对下游任务比较重要。
背景2：已经提出了许多不同的方法来进行特征提取，依赖着前置任务。
同时我顺便介绍目前的自监督学习方法
例如：
原文链接：原文

  1. Reconstruction方法

本文标签： 笔记 论文 bootstrap Latent Supervised

版权声明：本文标题：论文笔记：Bootstrap Your Own Latent A New Approach to Self-Supervised Learning 内容由网友自发贡献，该文观点仅代表作者本人， 转载请联系作者并注明出处：https://www.roclinux.cn/b/1763632270a3256414.html， 本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌抄袭侵权/违法违规的内容，一经查实，本站将立刻删除。