9.无监督学习simclr中的数据增强

重新评估数据增强方式是simclr取得成功的关键之一,之前的文章设计了一系列复制的数据增强, 我们发现只需要随机裁剪就够了 如图3所示，它创建了一系列包含上述两个任务的预测性任务。 数据增强操作的组成对于学习良好的表示形式至关重要 为了系统地研究数据扩充的影响，我们在这里考虑几种常见的扩充。一类扩充涉及数据的空间/几何变换，例如裁剪和调整大小（水平翻转），旋转（Gidaris等，2018）和剪切（

>>阅读原文<<