自监督表示学习Paper
1.A Simple Framework for Contrastive Learning of Visual Representations
url:https://arxiv.org/pdf/2002.05709.pdf
强Aug是做无监督的关键。Crop+Color jitter。搭配上Cotrastive loss+大Batch。一个对称的backbone+projection head,基于ConvNets的自监督学习算法就诞生了。
2.Emerging Properties in Self-Supervised Vision Transformers
url:https://arxiv.org/pdf/2104.14294.pdf
一个自监督预训练ViT的算法。区别于ConvNet预训练,ViT预训练有显式的语义分割信息。使用了Mometum Teacher,但是没用非对称的projector。使用了交叉熵损失来进行训练。用了centering和sharpening来防止trivial解。
【推荐】国内首个AI IDE,深度理解中文开发场景,立即下载体验Trae
【推荐】编程新体验,更懂你的AI,立即体验豆包MarsCode编程助手
【推荐】抖音旗下AI助手豆包,你的智能百科全书,全免费不限次数
【推荐】轻量又高性能的 SSH 工具 IShell:AI 加持,快人一步
· 从 HTTP 原因短语缺失研究 HTTP/2 和 HTTP/3 的设计差异
· AI与.NET技术实操系列:向量存储与相似性搜索在 .NET 中的实现
· 基于Microsoft.Extensions.AI核心库实现RAG应用
· Linux系列:如何用heaptrack跟踪.NET程序的非托管内存泄露
· 开发者必知的日志记录最佳实践
· TypeScript + Deepseek 打造卜卦网站:技术与玄学的结合
· Manus的开源复刻OpenManus初探
· AI 智能体引爆开源社区「GitHub 热点速览」
· 从HTTP原因短语缺失研究HTTP/2和HTTP/3的设计差异
· 三行代码完成国际化适配,妙~啊~