Samoučení klasifikace obrazu
Samoučení klasifikace obrazu trénuje hluboký vizuální enkodér na velkých neanotovaných datových sadách obrazů řešením zástupných úloh – jako je předpovídání, které dva augmentované pohledy stejného obrazu jsou podobné – a poté doladí pouze lehkou klasifikační hlavu na základě označených příkladů. Tento přístup, iniciovaný rámci jako SimCLR a MoCo kolem roku 2020, drasticky snižuje potřebu nákladné manuální anotace a zároveň dosahuje přesnosti srovnatelné s plně samoučenými modely.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/cs/deep-learning/self-supervised-image-classification
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Generativní adversariální síťHluboké učení↔ compare
- Destilace znalostíHluboké učení↔ compare
- Přenosové učeníStrojové učení↔ compare
- Vision TransformerHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →