自己潜在のブートストラップ：自己監督学習の新しいアプローチ

自己潜在表現をブートストラップする（Bootstrap Your Own Latent: BYOL）という新しい自己監督画像表現学習手法を紹介します。BYOLは、オンラインネットワークとターゲットネットワークの2つのニューラルネットワークに依存しており、これらのネットワークが相互作用し、互いから学習します。画像の拡張ビューから、オンラインネットワークを異なる拡張ビューで同じ画像のターゲットネットワーク表現を予測するように訓練します。同時に、ターゲットネットワークはオンラインネットワークの移動平均を使って更新されます。最先端の手法がネガティブペアに依存している一方で、BYOLはそれらを使用せずに新たな最先端の成果を達成しています。BYOLはResNet-50アーキテクチャを使用してImageNetでの線形評価で74.3%のトップ1分類精度を達成し、より大きなResNetでは79.6%を達成しました。転移学習および半教師あり学習ベンチマークにおいても、BYOLは現行の最先端と同等かそれ以上の性能を示しています。当該手法の実装および事前学習済みモデルはGitHub上で提供されています。