[论文翻译]自引导潜在空间：一种自监督学习新方法

我们提出了一种新的自监督图像表征学习方法——自引导潜在空间 (Bootstrap Your Own Latent, BYOL)。该方法基于两个被称为在线网络和目标网络的神经网络，通过相互交互和学习实现表征优化。给定一张图像的增强视图，我们训练在线网络预测同一图像在不同增强视图下的目标网络表征，同时采用在线网络的滑动平均来更新目标网络。与依赖负样本对的现有最优方法不同，BYOL在不使用负样本的情况下实现了新的性能突破：在ResNet-50架构的线性评估中达到ImageNet 74.3%的top-1分类准确率，更大规模ResNet架构下达到79.6%。实验表明，BYOL在迁移学习和半监督基准测试中均达到或超越当前最优水平。实现代码与预训练模型已发布于GitHub。