CASIA OpenIR  > 学术期刊  > 自动化学报
深度对比学习综述
张重生; 陈杰; 李岐龙; 邓斌权; 王杰; 陈承功
Source Publication自动化学报
ISSN0254-4156
2023
Volume49Issue:1Pages:15-39
Abstract在深度学习中,如何利用大量、易获取的无标注数据增强神经网络模型的特征表达能力,是一个具有重要意义的研究问题,而对比学习是解决该问题的有效方法之一,近年来得到了学术界的广泛关注,涌现出一大批新的研究方法和成果.本文综合考察对比学习近年的发展和进步,提出一种新的面向对比学习的归类方法,该方法将现有对比学习方法归纳为5类,包括:1)样本对构造; 2)图像增广; 3)网络架构; 4)损失函数; 5)应用.基于提出的归类方法,对现有对比研究成果进行系统综述,并评述代表性方法的技术特点和区别,系统对比分析现有对比学习方法在不同基准数据集上的性能表现.本文还将梳理对比学习的学术发展史,并探讨对比学习与自监督学习、度量学习的区别和联系.最后,本文将讨论对比学习的现存挑战,并展望未来发展方向和趋势.
Keyword对比学习 深度学习 特征提取 自监督学习 度量学习
DOI10.16383/j.aas.c220421
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56206
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
张重生,陈杰,李岐龙,等. 深度对比学习综述[J]. 自动化学报,2023,49(1):15-39.
APA 张重生,陈杰,李岐龙,邓斌权,王杰,&陈承功.(2023).深度对比学习综述.自动化学报,49(1),15-39.
MLA 张重生,et al."深度对比学习综述".自动化学报 49.1(2023):15-39.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2022-0421.pdf(5378KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[张重生]'s Articles
[陈杰]'s Articles
[李岐龙]'s Articles
Baidu academic
Similar articles in Baidu academic
[张重生]'s Articles
[陈杰]'s Articles
[李岐龙]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[张重生]'s Articles
[陈杰]'s Articles
[李岐龙]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2022-0421.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.