基本信息

---

下载

文档摘要

---

摘要

良好的表征特征学习能力是提升深度学习技术和实现优良图像分类性能的关键。对

比学习技术将拉近同类样本间的相似距离，同时推远异类样本间的相似距离，作为模型

预训练的代理任务。将预训练的对比学习模型应用或迁移到下游任务中，通常能够提升

模型的图像表征学习效果。

为了利用监督对比方法获得性能更好的预训练模型，本文针对监督对比方法中对

Mixup混合图像训练的处理和对区域特征关注度较低的问题，分别从混合损失计算方案

以及区域特征的获取两个方面对其进行研究和改进，提出两种新的监督对比学习算法，