本文链接：

https://arxiv.org/pdf/2106.04550.pdf

问题及创新点：

1.利用传统算法，选择一些可能存在物体目标的区域送入网络进行处理，作为伪标签（fbox）；

2.除了图像块伪标签，本文还采用其他预训练方法得到的基干网络来产生高维特征(femb)和块分类（fcat,是否是proposal块）作为伪标签

上图中的Detector采用DETR或Deformable DETR,这部分即本文需要重新预训练的部分，后续用于下游任务中，Encoder采用别人已经训练好的模型（SwAV）

实验结果：