Selvovervåget konvolutionelt neuralt netværk
Et selvovervåget konvolutionelt neuralt netværk (CNN) lærer kraftfulde visuelle repræsentationer fra ikke-mærkede billeder ved at løse prætekstopgaver – såsom kontrastiv instansdiskrimination eller forudsigelse af maskerede patches – og finjusterer derefter på et lille mærket datasæt. Denne tilgang reducerer dramatisk afhængigheden af store annoterede datasæt, samtidig med at de rumlige trækudtrækningsstyrker ved konvolutionelle arkitekturer bevares.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. In Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2020), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/da/deep-learning/self-supervised-convolutional-neural-network
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.
- Finetunet Convolutional Neural NetworkDyb læring↔ compare
- Selv-overvåget TransformerDyb læring↔ compare
- Selv-overvåget Vision TransformerDyb læring↔ compare
- Semi-overvåget Convolutional Neural NetworkDyb læring↔ compare
- Transferlæring med konvolutionelle neurale netværkDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →