• computer vision
• neural networks
• object detection
• pre-train
• self-supervised

Introduciamo un nuovo approccio per estrarre features utili per l'individuazione di oggetti in modo self-supervised. Il nostro lavoro dimostra che una rete, attraverso un pre-train self-supervised, può ottenere risultati migliori sia in termini di performance che in tempi di convergenza, rispetto a un classico addestramento supervisionato. Inoltre, abbiamo studiato come la modifica della dimensione del dataset dopo la fase iniziale influisce sul comportamento e le prestazioni della rete.

We introduce a new approach to extract useful features for the object-detection task in a self-supervised manner. Our work demonstrates that through a self-supervised pre-trained neural network, we can achieve better results both in terms of score and convergence times, compared to a classic supervised-training from scratch. Moreover, we studied how changing the dataset size after the pre-training step, affects the network's behaviour and performances.