自监督学习在CV领域研究进展总结

  导读   自监督学习是指从数据本身产生某种形式的标签并训练神经网络，用来解决某些特定任务或者学习通用的图像、视频、语言的特征表达。在学术界，自监督学习被证明可以解决光流预测、深度估计、场景遮挡等问题，不需要额外的人工标签。另外，基于自监督学习的无监督表征学习近年来也获得了飞速发展，大有超越有监督表征学习的趋势。 2020年6月11日，本文转自商汤泰坦公开课，由商汤联合实验室的两位同学分享了团队

>>阅读原文<<