Selv-overvåget billedklassifikation
Selv-overvåget billedklassifikation træner en dyb visuel encoder på store, umærkede datasæt af billeder ved at løse proxy-opgaver – såsom at forudsige, hvilke to augmenterede visninger af det samme billede der er ens – og derefter finjusterer kun et letvægts klassifikationshoved på mærkede eksempler. Pioneret af frameworks som SimCLR og MoCo omkring 2020, reducerer det drastisk behovet for dyr manuel annotering, samtidig med at det opnår nøjagtighed, der kan konkurrere med fuldt overvågede modeller.
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. 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/da/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.
- Generativ modstridende netværkDyb læring↔ compare
- Knowledge DistillationDyb læring↔ compare
- OverførselslæringMaskinlæring↔ compare
- Vision TransformerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →