（全球TMT2022年7月5日訊）在近日舉辦的IEEE國際計算機與模式識別會議CVPR 2022期間，浪潮信息AI團隊提交的論文《CoDo: Contrastive Learning with Downstream Background Invariance for Detection （CoDo：在自監(jiān)督學習中引入下游數(shù)據(jù)的背景不變性）》成功入選。論文提出了一種新的自監(jiān)督學習框架，在自監(jiān)督學習的預訓練過程兼顧下游數(shù)據(jù)的背景不變性，以提升自監(jiān)督學習在下游目標檢測任務的性能，并通過初步實驗證明了方法的有效性。CVPR是計算機視覺領域三大世界頂級會議之一。

浪潮信息AI團隊提出的自監(jiān)督學習框架CoDo，在預訓練中引入上下游任務數(shù)據(jù)集充當背景，預訓練圖像的推薦框粘貼到背景圖像上，邊框經(jīng)過比例變換及擾動后，作為增強樣本參與對比學習。由于背景為上下游數(shù)據(jù)集，模型實際上獲得了前景目標的背景不變性能力。這意味著無論背景如何變化，模型都能夠準確定位前景目標，這對于目標檢測類人工智能任務尤為重要。論文采用CPJ數(shù)據(jù)增強方法、目標檢測結構對齊及層次對比學習構建，并通過初步實驗證明了方法的有效性。