首页> 中文期刊> 《燕山大学学报》 >深度网络对比学习及其视频理解应用研究综述

深度网络对比学习及其视频理解应用研究综述

         

摘要

无监督表示学习能够避免耗时且昂贵的数据标记,因此获得了极大的关注。其中的对比学习方法只需在抽象语义级别的特征空间上学习数据的区分便能使模型学习到良好的表征,被预测为人工智能的未来。无监督对比学习利用自身数据生成的伪标签作为监督信息学习样本数据的特征表达,并用于下游任务,其次核心思想是把正样本对距离拉近,正样本与负样本距离拉远。本文首先总结常用的预训练任务,然后梳理无监督对比学习在视频领域的通用框架,并对框架的各个组件及其分类进行说明,同时列举常用于评估视频表征质量的下游任务,并对其性能进行分析。之后对视频理解中的对比学习进行举例说明,最后讨论对比学习所面临的挑战和未来研究方向。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号