Selv-overvåget Vision Transformer
Selv-overvåget Vision Transformer (SSL-ViT) anvender selv-overvågede forudtræningsmål — såsom maskeret patch-forudsigelse (MAE) eller selv-destillation uden labels (DINO) — på Vision Transformer-arkitekturen, hvilket muliggør indlæring af kraftfulde visuelle repræsentationer fra store, umærkede billedkorpora før enhver opgavespecifik finjustering.
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
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/da/deep-learning/self-supervised-vision-transformer
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 Vision TransformerDyb læring↔ compare
- Multimodal Vision TransformerDyb læring↔ compare
- Selvovervåget konvolutionelt neuralt netværkDyb læring↔ compare
- Vision TransformerDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →