CVPR-Fine-grained Angular Contrastive Learning with Coarse Labels

题目

Fine-grained Angular Contrastive Learning with Coarse Labels

基于粗标签的细粒度角对比学习

技术基础：粗标签

研究主体：细粒度角对比学习

abstract

few-shot learning的优化后的预训练技术可以解决一些问题，比如对基于之前学习过的类别的物品，对之前没见过的类别进行识别，在进行识别的时候，他需要对之前的 label space 进行 “specialized” 用来识别新的类别。但是无论是常规的预训练还是few-shot预训练对于*Coarse-to-Fine Few-Shot(C2FS)*也就是训练集比验证集或目标集有更粗的粒度的时候往往会忽略类内部的变化，本文提出了**Angular normalization(角归一化)**模型，他可以有效结合监督和自监督对比预训练来完成C2FS问题。

主要重点：

1. C2FS问题：在识别训练集以外的新类别的物品，且该目标集的粒度小于训练集的问题，一个常见的例子：目标集是训练集的子集

2. Angular normalization:角归一化模型，可以有效结合监督和自监督学习预训练来完成C2FS问题