去雾综述_综述 | 对比自监督学习技术：全面调研
20页的综述性文章共计包含了84篇参考文献。本文系统性地研究了最近CV与NLP领域中对比学习方法展现出卓越效果的自监督学习方案（其中包含SwAV、MoCo系列以及SimCLR系列等具有代表性的对比学习方法）。
A Survey on Contrastive Self-supervised Learning
作者单位：德克萨斯大学阿灵顿分校
论文： https:// arxiv.org/abs/2011.0036 2
特别提醒：在文末处提供了一个CV学习交流群的链接，请注意查看
自监督学习因其降低了标注大型数据集的成本而广受欢迎。该方法通过使用自定义伪标签进行监督，并将其学到的表示应用于多个下游任务。具体来说，对比学习已成为计算机视觉、自然语言处理（NLP）以及其他领域的主要研究方向之一。其目标是使同一样本的不同增强版本彼此接近地嵌入，并尽力使这些嵌入远离来自不同样本的结果。
本文对基于对比学习的自监督学习方法进行了系统性的综述。该研究探讨了对比学习框架中所采用的关键基础性任务，并分析了现有各种体系架构的发展脉络及其内在联系。
随后，我们的研究团队对多个相关领域任务（如图像识别技术、物体检测与行为分析）的各种方法进行了性能对比分析。
自然语言处理（NLP）中的对比学习
最后，我们对当前方法存在的局限性进行了综合分析，并探讨了未来研究和技术手段的方向以确保能够实现实质性的进展。
论文下载
链接： https:// pan.baidu.com/s/1btTbOb 2t8pq95bvHuc1Shg
提取码：cver
CVer-学术交流群
现已成为计算机视觉领域的重要学习平台！如若要加入CVer学习交流群的同学，请通过扫描二维码添加CVer5555微信（注：添加时请备注您的研究领域、所属院校及个人昵称），经管理员拉入后即可参与讨论与学习
建议大家订阅CVer知乎账号以及CVer微信公众号, 即可轻松获取到最新优质的CV相关文章.
推荐阅读
85.4 mIOU！NVIDIA：使用多尺度注意力进行语义分割
深入研究Label Smoothing(标签平滑)
使用PyTorch时，最常见的4个错误
NeurIPS 2020 | Auto-Panoptic：用于全景分割的协作式多组件体系结构搜索
NeurIPS 20 | RelationNet++: Transformer桥接视觉表示的目标检测
利用YOLOv4和Deep SORT实现多摄像头实时目标跟踪和计数（已开源）
NeurIPS 20 | 超越EfficientNet！TinyNet：玩转网络的分辨率，深度和宽度
涨点技巧！汇集13个Kaggle图像分类项目的性能提升指南
利用知识蒸馏改进目标检测：面向准确高效的检测器
使用深度学习从视频中估计车辆的速度（已开源）
ECCV 2020 | 旷视开源LabelEnc：提升目标检测的新型中间监督方法
这9个技巧让你的PyTorch模型训练得飞快！
牛津博士论文 | 学习重建和分割3D目标（143页PDF）
谷歌近期推出了名为Objectron的新数据集。该数据集能够精确识别3D目标，并包含超过4,000,000张图像样本和15,000个视频片段剪辑。
综述 | MIT提出视频理解/行为识别：全面调研（2004-2020）
综述 | 基于无人机的目标跟踪的相关滤波器：全面调研
从三个维度加速你的CNN：全面的剪枝框架
Recall Loss：用于不平衡图像分类和语义分割的召回损失
即插即用！Rotate to Attend：卷积Triplet注意力模块
旷视提出MegDetV2：目标检测/实例分割系统
综述 | 基于深度学习的医学图像分割技术：全面调研
ResNet还是DenseNet？即插即用的DS涨点神器来了！
综述 | 基于深度学习的端到端人脸识别技术：全面调研
TBC：共享Thinner Filters，实现更强的CNN！
综述 | 行人检测技术（从手工特征到深度学习）：全面调研
超越EfficientNets！无需注意力，也能让你的网络更快更强！
OpenCV 4.5来了！更强的SIFT，改进RANSAC算法，新增目标跟踪网络SiamRPN++
综述 | 基于深度学习的实时语义分割方法：全面调研
涨点神器！南航提出AFF：注意力特征融合
NeurIPS 2020 | 谷歌大脑提出：重新思考预训练和自训练
NeurIPS 2020 | 用于图像复原/恢复的神经稀疏表示
NeurIPS 2020 | aLRPLoss：统一目标检测中的分类和定位的平衡损失函数
CCE：具有互补交叉熵的不平衡图像分类
谷歌地标检索2020 Kaggle 第一名解决方案
ECCV AIM 2020 真实图像超分辨率挑战赛3项冠军解决方案
LVIS 实例分割挑战赛2020的第一名解决方案：好的Box不能保证好的Mask
ETH Zurich提出DPIR：具有Denoiser先验的即插即用图像恢复
ECCV 2020 | NAS-DIP：通过NAS实现DIP（去噪/去雾/超分辨率/修复等）
综述 | 小样本学习：全面调研（Few-shot）
使用深度神经网络从Noisy Labels中学习：全面调研
剪枝filter？还是剪枝layer？这是个问题
ECCV 2020 | WeightNet：重新探索Weight网络的设计空间
ECCV 2020 | 53.5 AP！PAA：用于目标检测的IoU预测的概率Anchor分配
ECCV 2020 | 南京理工提出FPT：特征金字塔Transformer
ECCV 2020 | BMask R-CNN：边界保持的Mask R-CNN
ECCV 2020 | 即插即用！PSConv：将特征金字塔压缩到紧凑