本文探讨了基于对比学习的四种目标检测预训练方法：DenseCL、DetCO、InstanceLoc和self-EMD，强调了局部特征学习和正负样本匹配的重要性。这些方法在提升目标检测任务性能方面展现出优势。
基于对比学习的目标检测预训练方法
本文主要记录以下几片论文：
1、DenseCL（CVPR21 oral）
2、DetCo（ICCV21）
3、InstanceLoc（CVPR21）
4、self-EMD
核心就是：patch的切分策略（更好的学习局部信息）、正负样本对的匹配（更高质量的对比pair）
1、(DenseCL) Dense Contrastive Learning for Self-Supervised Visual Pre-Training (CVPR 21 oral)
代码链接
论文链接
local对比损失：
同一张图进行数据增强后得到M1和M2，经过backbone之后得到F1和F2，
最低0.47元/天 解锁文章
2023
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
