【AAAI2022】使用对比式量化表征学习的无监督图像检索方法

《使用对比式量化表征学习的无监督图像检索方法》（Contrastive Quantization with Code Memory for Unsupervised Image Retrieval，作者：计算机技术项目2020级硕士生王锦鹏，导师：夏树涛）

量化（Quantization）是一种向量压缩的技术，被广泛应用于大规模的图像检索。无监督的量化表征学习是一个贴近实际而又充满挑战的问题，现有方法大部分是重建式的技术路线，目标是最小化量化前后的语义损失。这些方法都依赖于预训练卷积神经网络的表达能力和泛化性能，预训练网络提取的特征的质量决定了量化后的表征的质量。不同于这些方法，作者从近期对比学习的相关工作中得到启发，并尝试利用该技术学习量化表征，从而减轻对预训练网络的依赖。对比学习是一种有效的无监督表征学习方法，通过数据增广的方式挖掘图像中的语义不变性，指导模型学习。

图3：对比式量化表征学习的框架示意图