基本信息

---

下载

文档摘要

---

16.1自监督学习概述16.1.1自监督学习背景深度学习方法在计算机视觉领域所取得的巨大成功，要归功于大型训练数据集的支持。这些带丰富标注信息的数据集能够帮助网络学习到可判别性的视觉特征。然而，收集并标注这样的数据集成本太高，而所标注的信息也具有一定的局限性。作为替代，使用完全自监督方式学习并设计辅助任务来学习视觉特征的方式，已逐渐成为计算机视觉领域的热点研究方向。虽然现在也有很多域自适应方法，但深度学习的迁移性能很差。在实际的应用中，最好的方法还是不停地增加标注数据，因此产生了自监督学习方法。

自监督学习方法本质上是一种无监督学习的方法。不同于传统的Auto-En