AMiner平台（https://www.aminer.cn）由清华大学计算机系研发，拥有我国完全自主知识产权。平台包含了超过2.3亿学术论文/专利和1.36亿学者的科技图谱，提供学者评价、专家发现、智能指派、学术地图等科技情报专业化服务。系统2006年上线，吸引了全球220个国家/地区1000多万独立IP访问，数据下载量230万次，年度访问量超过1100万，成为学术搜索和社会网络挖掘研究的重要数据和实验平台。
必读论文：https://www.aminer.cn/topic
论文集地址：https://www.aminer.cn/topic/6061f47992c7f9be21e594ed
计算机视觉中的表征学习是从原始数据中提取特征。特征提取涉及将原始数据处理到向量空间中，捕获表示该数据的基础时空信息。在计算机视觉中，表征学习算法可分为两类：监督学习（Supervised learning）： 利用大量的标注数据来训练神经网络模型，完成模型训练之后，不直接使用分类的 fc 层的输出，而是其前一层的输出作为 Representation 用于下游任务；自监督学习（Self-Supervised Learning）： 利用大规模的无标注的数据，选择合适的辅助任务（pretext）和自身的监督信号，进行训练，从而可以学习到 Representation 用于下游任务。
该论文集共收录33篇论文，引用最多的论文为Unsupervised Representation Learning with Deep Convolutional Generative Adversarial Networks，引用数为8822。
AMiner，一个具有认知智能的学术搜索引擎：https://www.aminer.cn
#AMiner# #论文#