CO_2:教師なし視覚表現学習のための矛盾のないコントラスト【JST・京大機械翻訳】

Wei Chen; Wang Huiyu; Shen Wei; Yuille Alan

プレプリント

J-GLOBAL ID：202202203073538249 整理番号：22P0197297

CO_2:教師なし視覚表現学習のための矛盾のないコントラスト【JST・京大機械翻訳】

CO2: Consistent Contrast for Unsupervised Visual Representation Learning

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2020年10月05日プレプリントサーバーでの情報更新日： 2020年10月05日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

コントラスト学習を教師なし視覚表現学習のためのコア法として採用した。人間アノテーションなしで,一般的実践は,質問画像作物,陽性として同じ画像からのこのタスクラベル作物,および陰性として他のランダムにサンプリングされた画像からの農作物を与えられた事例識別タスクを実行することである。このラベル割当戦略の重要な限界は,質問作物と各作物間の不均一類似性を他の画像から反映できないことであり,一方,それらの幾つかはクエリと同じ意味クラスに属する可能性がある。この問題に取り組むために,ラベルなしデータに関する半教師つき学習における一貫性正則化によって触発されて,著者らは一貫したコントラスト(CO2)を提案して,それは現在のコントラスト学習フレームワークに一貫性正則化項を導入した。「非標識」として他の画像から各作物に対するクエリ作物の類似性に関して,一貫性項は擬似ラベルとして陽性作物の対応する類似性を採り,これら2つの類似性間の一貫性を奨励した。経験的に,CO_2はMomentumコントラスト(MoCo)を,ImageNet線形プロトコル,3.8%および1.1%のトップ-5精度の1%および10%のラベル付き半教師つき設定で,2.9%のトップ-1精度によって改善した。また,PASCAL VOCの画像分類,物体検出,および意味セグメンテーションに転送する。これは,CO_2がこれらの下流タスクに対してより良い視覚表現を学習することを示す。【JST・京大機械翻訳】

, , , , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能 , パターン認識

, , , ,

前のページに戻る