AMiner平台(https://www.aminer.cn)由清华大学计算机系研发,拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱,提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线,吸引了全球220个国家/地区1000多万独立IP访问,数据下载量230万次,年度访问量超过1100万,成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文:https://www.aminer.cn/topic
论文集地址:https://www.aminer.cn/topic/6069793392c7f9be218a85e3
在计算机视觉(CV)领域,目前的方法主要依赖大量的标注样本来学习丰富的视觉表征,从而在各项CV任务中取得较好的表现。然而在许多情况下,大规模的人工标注并不容易获得。因此,我们希望可以利用无监督方法去学习那些不带标注的样本。自监督学习,是无监督学习的一种,即无需额外的人工标签,仅利用数据自身的信息作为监督(自己监督自己)。利用来自数据自身的监督信息,设计一个pretext task,训练网络去完成该pretext task,从而促使网络学习到数据特征。
该论文集共收录30篇论文,引用最多的论文为Time-Contrastive Networks: Self-Supervised Learning from Video,引用数为269。
AMiner,一个具有认知智能的学术搜索引擎:https://www.aminer.cn
#AMiner# #论文#