【Whalepaper第6期】CV论文研读 - EP in Self-Supervised Vision Transformers

336未经授权,禁止转载
人工智能深度学习机器学习算法CV自监督学习transformer特征提取图像分割模型训练数据增强模型蒸馏特征映射分类任务注意力机制
本文介绍了一种名为DINO的自监督学习训练方法,该方法利用Vision Transformer(ViT)作为主干模型框架,通过自监督的方式训练出具有精确图片语义分割信息的特征表示。DINO方法不需要标签,能够直接对图片进行特征提取,且在无监督学习下抽取的特征可以直接用于分类任务,取得了78.3%的top one准确率。此外,该方法还展示了在自监督学习框架下,Transformer相较于卷积神经网络(CNN)在图像分割等任务上的独特优势。本文内容适合对自监督学习、Transformer模型以及计算机视觉任务感兴趣的技术人群阅读。
讨论{{interaction.discussNum ? '(' + interaction.discussNum + ')' : ''}}
ad
发布
头像

{{ item.user.nick_name }} {{ EROLE_NAME[item.user.identity] }}

置顶笔记
讨论图
{{ item.create_time }}回复
  • 删除

    是否确认删除?

    确认
    取消
  • {{ item.is_top == 1 ? '取消置顶' : '置顶'}}

    已有置顶的讨论,是否替换已有的置顶?

    确认
    取消
{{ tag.text}}
头像
{{ subitem.user.nick_name }}{{ EROLE_NAME[subitem.user.identity] }}
{{ subitem.create_time }}回复
删除

是否确认删除?

确认
取消
发布
{{pageType === 'video' ? '讨论区抢占沙发,可获得双倍学分' :'讨论区空空如也,你来讲两句~'}}
发布
{{tips.text}}
{{ noteHeaderTitle }} 笔记{{ hasMyNote ? '我的笔记' : '记笔记' }}
{{ hasMyNote ? '我的笔记' : '记笔记' }}
优质笔记
更新于:{{ $dayjs.formate('YYYY-MM-DD HH:mm:ss', item.last_uptime*1000) }}
头像
{{ detail.username }}

公开笔记对他人可见,有机会被管理员评为“优质笔记”

{{ noteEditor.content.length }}/2000

公开笔记
保存
讲师头像
Datawhale
Datawhale 是一个专注于数据科学与 AI 领域的开源组织,汇集了众多领域院校和知名企业的优秀学习者,聚合了一群有开源精神和探索精神的团队成员。Datawhale 以「for the learner,和学习者一起成长」为使命,鼓励真实地展现自我、开放包容、互信互助、敢于试错和勇于担当。同时 Datawhale 用开源的理念去探索开源内容、开源学习和开源方案,赋能人才培养,助力人才成长,建立起人与人、人与知识、人与企业和人与未来的联结。
TA的视频
接下来播放:
自动连播