SimCLR
SimCLR ist ein Framework für selbstüberwachtes Lernen, das 2020 von Chen et al. eingeführt wurde und visuelle Repräsentationen lernt, indem ähnliche und unähnliche Ansichten von Bildern kontrastiert werden. Die Methode wendet starke Datenaugmentierungen an, um verschiedene Ansichten desselben Bildes zu erzeugen, und trainiert dann einen Encoder, um ähnliche Ansichten im Repräsentationsraum zusammenzubringen und unähnliche Ansichten auseinanderzudrücken.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A simple framework for contrastive learning of visual representations. In International conference on machine learning (pp. 1597-1607). PMLR. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/de/deep-learning/simclr
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.
- Few-Shot-ObjekterkennungDeep Learning↔ compare
- Masked AutoencodersDeep Learning↔ compare
- Swin TransformerDeep Learning↔ compare
- Vision TransformerDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →