بهبود تشخیص شی در تصاویر به کمک یادگیری خودنظارتی

کارایی شبکه عصبی عمیق مرتبط به حجم داده‌ی برچسب‌داری است که در فرآیند آموزش آن شبکه استفاده می‌شود. در کار تشخیص شی، برچسب زدن داده‌ها هزینه‌ی بالایی دارد و چون برچسب زدن توسط عامل انسانی انجام می‌شود ممکن است این برچسب نویز هم داشته باشد و ممکن است برای برخی دامنه‌ها داده‌ی برچسب دار زیادی وجود نداشته باشد. اما امروزه امکان دسترسی به تصاویر بدون برچسب در حجم بالا وجود دارد. رویکرد یادگیری خودنظارتی برای استفاده از داده‌ی بدون برچسب در آموزش شبکه معرفی شد. در این رویکرد از داده‌های بدون برچسب که حجم زیادی دارند، نوعی دانش بصری اولیه استخراج می‌شد. سپس شبکه بر روی داده‌های برچسب دار که حجم کمی داشتند برای کار اصلی که در مساله این مقاله تشخیص شی است، آموزش می‌یابد. در این مقاله اقدام به مقایسه برخی از روش‌های خودنظارتی با روش باناظر شده است و بهبودهایی نیز در مقایسه روش‌های خودنظارتی در مقابل روش‌های باناظر با وزن‌های اولیه تصادفی حاصل شده است.