[CLS 01 · 学习信号、表示与迁移](/course/notebooks/fb4365d604974dd19df492cb22516e44.html)

# MoCo 原论文 Table 2(b) 将在 ImageNet-1M 上预训练的 ResNet-50-C4 接入 Faster …
[独立阅读](/course/notebook-blocks/3512fe9109bd4f3aa18a76dfbaab7dcb.html)
主线阅读与优先实验

标签供给、文本目标接口、视图/队列/MAE图与表示迁移证据

MoCo 原论文 Table 2(b) 将在 ImageNet-1M 上预训练的 ResNet-50-C4 接入 Faster R-CNN，再用 PASCAL VOC trainval07+12 的检测标注**全层微调 24k 次**。在 test2007 上取 5 次实验平均，COCO 式 box AP 为：有监督预训练 **53.5**，MoCo 预训练 **55.9**。[原文 Table 2(b) 与 §4.2.1](https://arxiv.org/html/1911.05722v3#S4.SS2.SSS1)

这里的积极证据是：通过视图对比学习的编码器可以适配对象检测，在这套明确协议下提供了有用起点。两组下游微调方案相匹配；检测头和主干都接受目标任务监督，这不是“冻结后自动会检测”，也不表示预训练与下游合计预算被完全配平。

这也自然引出下一部分：用哪一种目标预训练，与最后要输出类别、框还是掩码，是可以分别设计的两个问题。