2020 arXiv A Simple Framework for Contrastive Learning of Visual Representations
动机
该文章算一个总结性的文章,对目前contrastive learning中常见的一些模块方法进行了比较,说明了最重要的三个模块:data augmentation、net architecture、loss function
方法
作者首先给出了一个对比学习的总体框架:
T是数据增广方式,f是特征提取器,g是两个MLP,用来把特征再做一个映射,在映射的空间上设计contrastive loss。文章主要通过在CIFAR-10上的实验效果说明问题。
首先作者比较了不同的数据增广方法T对效果的影响程度: