Трансформер за зрение със самообучение
Трансформерът за зрение със самообучение (SSL-ViT) прилага цели за предварително обучение със самообучение — като предсказване на маскирани части (MAE) или самодестилация без етикети (DINO) — към архитектурата на Трансформер за зрение, което позволява научаването на мощни визуални представяния от големи немаркирани корпуси от изображения преди всяко специфично за задачата фино настройване.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Карта на методите
Обкръжението на сродните методи — изберете възел, за да го разгледате.
Източници
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/bg/deep-learning/self-supervised-vision-transformer
Кой метод?
Поставете този метод до най-близките му сродни методи и ги четете едно до друго — библиотеката полага книгите на масата; изборът е ваш.
- Фино настроен Vision TransformerДълбоко обучение↔ сравняване
- Мултимодален Вижън ТрансформърДълбоко обучение↔ сравняване
- Самообучаваща се конволюционна невронна мрежаДълбоко обучение↔ сравняване
- Vision TransformerДълбоко обучение↔ сравняване
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →