自监督学习是关注的热点问题之一，来自TPAMI最新的综述论文《深度神经网络自监督视觉特征学习》对自监督视觉特征学习做了全面调研概述，值的关注!

为了在计算机视觉应用中学习得到更好的图像和视频特征，通常需要大规模的标记数据来训练深度神经网络。为了避免收集和标注大量的数据所需的巨大开销，作为无监督学习方法的一个子方法——自监督学习方法，可以在不使用任何人类标注的标签的情况下，从大规模无标记数据中学习图像和视频的一般性特征。本文对基于深度学习的自监督一般性视觉特征学习方法做了综述。首先，描述了该领域的动机和一些专业性术语。在此基础上，总结了常用的用于自监督学习的深度神经网络体系结构。接下来，回顾了自监督学习方法的模式和评价指标，并介绍了常用的图像和视频数据集以及现有的自监督视觉特征学习方法。最后，总结和讨论了基于标准数据集的性能比较方法在图像和视频特征学习中的应用。

论文标题：Self-Supervised Visual Feature Learning With Deep Neural Networks: A Survey

论文链接：https://ieeexplore.ieee.org/document/9086055

内容中包含的图片若涉及版权问题，请及时与我们联系删除