Sebeřízené učení metrik
Učení metrik v sebeřízeném režimu (self-supervised metric learning) trénuje neuronový enkodér tak, aby vkládal vstupy do vektorového prostoru, kde sémanticky podobné položky leží blízko sebe, a to s využitím automaticky generovaných pseudoznaček namísto anotací od lidí. Kombinací sebeřízených předběžných úloh (pretext tasks) s kontrastivními nebo trojicovými metrickými cíli produkuje přenositelné, na značkách efektivní reprezentace použitelné pro vyhledávání, shlukování a klasifikaci s malým počtem příkladů (few-shot classification).
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 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/cs/machine-learning/self-supervised-metric-learning
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.
- Učení metrikStrojové učení↔ compare
- Samoučící se učeníStrojové učení↔ compare
- Siamská neuronová síťHluboké učení↔ compare
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →