Self-Supervised Learning 自监督学习中Pretext task的理解

Pretext task也叫surrogate task，我更倾向于把它翻译为：代理任务。

Pretext可以理解为是一种为达到特定训练任务而设计的间接任务。比如，我们要训练一个网络来对ImageNet分类，可以表达为 $f_{\theta }(x):x\to y$，我们的目的其实是获得具有语义特征提取/推理能力的$\theta$。我们假设有另外一个任务（也就是pretext），它可以近似获得这样的[公式]，比如，Auto-encoder（AE），表示为：$g_{\theta }(x):x\to x$。为什么AE可以近似$\theta$呢？因为AE要重建 $x$就必须学习$x$中的内在关系，而这种内在关系的学习又是有利于我们学习 [公式]的。这种方式也叫做预训练，为了在目标任务上获得更好的泛化能力，一般还需要进行fine-tuning等操作。

因此，Pretex task的好处就是简化了原任务的求解，在深度学习里就是避免了人工标记样本，实现无监督的语义提取，下面进一步解释。

Pretext任务可以进一步理解为：对目标任务有帮助的辅助任务。而这种任务目前更多的用于所谓的Self-Supervised learning，即一种更加宽泛的无监督学习。这里面涉及到一个很强的动机：训练深度学习需要大量的人工标注的样本，这是费时耗力的。而自监督的提出就是为了打破这种人工标注样本的限制，目的是在没有人工标注的条件下也能高效的训练网络，自监督的核心问题是如何产生伪标签（Pseudo label），而这种伪标签的产生是不涉及人工的，比如上述的AE的伪标签就是 [公式] 自身。这里举几个在视觉任务里常用的pretext task几伪标签的产生方式：

• Rotation（图片旋转）
  图片:

[1] S. Gidaris, P. Singh, and N. Komodakis, “Unsupervised representation learning by predicting image rotations,” ICLR, 2018.

• Colorization（图片上色）
  

[2] R. Zhang, P. Isola, and A. A. Efros, “Colorful Image Colorization,” in ECCV, Cham, 2016, pp. 649-666.

• Inpainting（图片补全）
  

[3] D. Pathak, P. Krahenbuhl, J. Donahue, T. Darrell, and A. A. Efros, “Context Encoders: Feature Learning by Inpainting,” CVPR, 2016.

• Jigsaw Puzzle/Context Prediction（关系预测/上下文预测）
  

[4] C. Doersch, A. Gupta, and A. A. Efros, “Unsupervised Visual Representation Learning by Context Prediction,” ICCV, 2015.