做家｜LihengZhang，GuoJunQi等编译｜Maglish编纂｜DebraAI前哨导读：深度神经网络的胜利通常依赖于大批有标识的模范数据，不过云云的数据在很多现实场景中很难赢得。为领会决这一挑战，无监视研习是首选办法，即不运用任何标识数据磨练神经网络。与保守的主动编码数据（AED）办法不同，来自华为美研的GuoJunQi等人提议了一种新的基于主动编码变幻（AET）的无监视示意研习办法：给定一个随机的变幻，AET试验仅从编码特性中尽或许精确地展望出变幻典型。个中央理想是：只需无监视特性能够胜利地对原始图象和更动图象中视觉机关的基础音信实行编码，就能够很好地展望出变幻典型。参数化变幻、非参数化变幻和GAN带领的种种变幻均能够对AET实行实例化。熟练讲明，与现有的无监视办法比拟，AET有了很大的鼎新，在CIFAR-10、ImageNet和Places数据集上取患了较好的呈现。个中以AlexNet做为主干网络的Top-1精确率（53.2%）极地面迫近了全监视办法（59.7%）。该论文已被CVPR接受。本文是AI前哨第69篇论文导读，让咱们一同来领会这个结果超卓的无监视研习新办法。更多干货体例请

转载请注明:http://www.aideyishus.com/lkzp/915.html