Selv-superviseret metrisk læring
Selv-superviseret metrisk læring træner en neural encoder til at indlejre input, så semantisk ens elementer ligger tæt sammen i vektorrummet, ved brug af automatisk genererede pseudo-etiketter i stedet for menneskelige annotationer. Ved at kombinere selv-superviserede fortekst-opgaver med kontrastive eller triplet-baserede metriske mål, producerer den overførbare, etiket-effektive repræsentationer, der er anvendelige til genfinding, klyngedannelse og få-skuds klassifikation.
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 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/da/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.
- Metrisk LæringMaskinlæring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Siamesisk Neuralt NetværkDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →