最新最全论文合集——自监督学习在计算机视觉中的应用

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#