近日，东南大学网络空间安全学院桂杰教授团队撰写的论文被 IEEE 模式分析与机器智能汇刊（IEEE Transactions on Pattern Analysis and Machine Intelligence，简称 TPAMI）录用。论文链接：https://arxiv.org/abs/2301.05712。代码链接：https://github.com/guijiejie/SSL。
论文题目为“A Survey on Self-supervised Learning: Algorithms, Applications, and Future Trends”。由东南大学、悉尼大学、新加坡南洋理工大学、京东探索研究院、中科院、阿里巴巴达摩院合作完成，桂杰教授为论文的第一作者。
不同的 SSL 代理任务展示图
深度监督学习算法通常需要大量的标记数据来达到令人满意的性能。然而，收集和标记这些数据的过程可能既昂贵又耗时。自监督学习（SSL），作为无监督学习的一个子集，旨在不依赖人工标注的标签，从无标签数据中学习区分性特征。最近，SSL 引起了广泛关注，促进了包括大语言模型在内的许多相关算法的发展。然而，目前缺乏全面的研究来阐明不同 SSL 变体之间的联系和演变。本文综述了各种 SSL 方法，涵盖了算法方面、应用领域、关键趋势和开放研究问题。首先，我们提供了大多数 SSL 算法背后动机的详细介绍，并比较了它们的共同点和差异。其次，我们探讨了 SSL 在图像处理、计算机视觉和自然语言处理等领域的代表性应用。最后，我们讨论了在 SSL 研究中观察到的三个主要趋势，并强调了仍然存在的开放性问题。
TPAMI 是计算机视觉及模式识别领域最顶尖的 SCI 期刊，近三年的影响因子均大于 20，是中国计算机协会 (CCF) 评选出的为数不多的人工智能领域 A 类期刊之一。（陈拓）
