boosting self supervised learning via knowledge transfercvpr18通过知识转移促进自监督学习.pdfVIP

下载本文档

0
0
约8.77万字
约 20页
2024-06-14 发布于北京
举报
版权申诉

boosting self supervised learning via knowledge transfercvpr18通过知识转移促进自监督学习.pdf

1、本文档共20页，可阅读全部内容。
2、有哪些信誉好的足球投注网站（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

BoostingSelfSupervisedLearningviaKnowledgeTransferMehdiNoroozi,AnanthVinjimoor,Paolofavaro,HamedPirsiavash共同发表论文，提出了一个新颖的方法来解决自监督学习中的pretext任务问题该框架将自监督模型与最终目标任务分离，使得设计和比较不同任务模型以及数据成为可能本文采用了一种新的框架，使模型能够以深度结构的方式向不同的任务学习这项技术可以帮助模型更

BoostingSelf-SupervisedLearningviaKnowledgeTransfer

MehdiNoroozi1AnanthVinjimoor2PaoloFavaro1HamedPirsiavash2

UniversityofBern1UniversityofMaryland,BaltimoreCounty2

{noroozi,favaro}@inf.unibe.ch{kan8,hpirsiav@umbc.edu}

Inself-supervisedlearning,rainsamodeltosolvea

so-calledpretexttaskonadatasetwithouttheneedforhu-

manannotation.Themainobjective,however,istotransfer

thismodeltoatargetandtask.Currently,themost

effectivetransferstrategyisuning,whichrestrictsone

tousethesamemodelorpartsthereofforbothpretextand

targettasks.Inthispaper,wepresentanovelframework

forself-supervisedlearningthatovercomeslimitationsin

designingandcomparingdifferenttasks,models,anddata

s.Inparticular,ourframeworkdecouplesthestruc-

tureoftheself-supervisedmodelfromtheﬁnaltask-speciﬁc

unedmodel.Thisallowsusto:1)tativelyas-

sesspreviouslyincompatiblemodelsincludinghandcrafted

features;2)showthatdeeperneuraworkmodelscan

learnbetterrepresentationsfromthesamepretexttask;3)Figure1:Mostcurrentself-supervisedlearningapproaches

transferknowledgelearnedwithadeepmodeltoashal-usethesamearchitecturebothinpre-trainingandﬁne-

loweroneandthusboostitslearning.Weusethisframe-tuning.Wedevelopaknowledgetransfermethodtodecou-

worktodesignanovelself-supervisedtask,whichachievesplethesetwoarchitectures.Thisallowsustouseadeeper

state-of-the-artperformanceonthecommonbenarksinmodelinpre-training.

PASCALVOC2007,ILSVRC12andcesbyasign

您可能关注的文档

文档评论（0）

183****7931 + 关注: 实名认证

文档贡献者

该用户很懒，什么也没介绍

咨询Ta 进入空间

1亿VIP精品文档

更多 >

boosting self supervised learning via knowledge transfercvpr18通过知识转移促进自监督学习.pdfVIP