Online Self-supervised Learning
Online Self-supervised Learning (online SSL) træner neurale netværk på umærkede data, der ankommer sekventielt eller i strømme, ved hjælp af automatisk genererede supervisionssignaler (prætekstopgaver) i stedet for menneskelige etiketter. Ved løbende at opdatere modellen, efterhånden som nye data strømmer ind, muliggør den evigt udviklende repræsentationer uden at gemme hele datasættet – kritisk for realtidsystemer, edge-enheder og privatlivsbegrænsede indstillinger.
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
- Gidaris, S., Bursuc, A., Komodakis, N., Perez, P., & Cord, M. (2021). OBoW: Online Bag-of-Visual-Words Generation for Self-Supervised Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 6830–6840. link ↗
- Fini, E., Da Costa, V. G. T., Alameda-Pineda, X., Ricci, E., Alahari, K., & Mairal, J. (2022). Self-Supervised Models are Continual Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9621–9630. link ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Online Self-supervised Learning (Continual Self-supervised Representation Learning from Streaming Data). ScholarGate. https://scholargate.app/da/machine-learning/online-self-supervised-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.
- Online læringMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- OverførselslæringMaskinlæring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →