无监督深度学习——这《元监督视觉学习》132页伯克利博士论文带你回顾无监督视觉应用最新发展脉络

作者Tinghui Zhou，加州大学伯克利分校的博士生，拥有强大的学术背景，是CVPR2017年Image-to-Image Translation with Conditional Adversarial Networks（使用条件Gan经行图像的转换）的作者之一，现在Google学术引用已经1600多了。他的博士论文——元监督视觉学习（Visual Learning Beyond Direct Supervision），主要是针对当前深度学习在解决许多计算机视觉任务方面取得了很大进展，但对于难以或不可能获得标签的任务，进展却有限，这一问题展开，研究如何在不需要任何直接标签的情况下，仍然利用深度学习的计算能力，使用可选的监督信息来学习视觉任务。作者在文中阐述直观上，虽然不知道ground-truth是什么，但我们可能知道它应该满足的各种属性，关键思想是将这些属性形式为学习目标任务的目标函数。并且也表明这类“元监督”，在学习各种视觉任务时竟然是非常有效的。感兴趣的同学可以仔细品味这一系统性的博士论文和其代表性工作。