|
|||||
|
|
| 基于中心差分卷积的自监督学习方法研究 | |
| 作者姓名： | 仝卫国 李芝翔 翟永杰 侯哲 |
| 作者单位： | 华北电力大学控制与计算机工程学院 |
| 基金项目： | 国家自然科学基金资助项目(61773160); |
| 摘 要： | 作为无监督学习的一个分支,自监督学习可以从大量无标签数据中学习到有用的特征,是近期一个热门的研究方向.基于前置任务和对比学习的自监督学习已经得到了大量的研究,但对于卷积操作的选择还没有得到足够的重视.将中心差分卷积神经网络引入自监督学习,探究了卷积操作对自监督学习性能的影响.实验结果显示,加入了中心差分卷积神经网络的Resnet18模型相比普通模型在下游分类任务上的性能提升了4.14%,在几乎未增加计算量的情况下,与Resnet50性能相当. |
| 关 键 词： | 无监督学习 自监督学习 对比学习 中心差分卷积神经网络 |