Το SimCLR
Το SimCLR είναι ένα πλαίσιο αυτο-εποπτευόμενης μάθησης που εισήχθη από τους Chen et al. το 2020 και μαθαίνει οπτικές αναπαραστάσεις συγκρίνοντας παρόμοιες και ανόμοιες όψεις εικόνων. Η μέθοδος εφαρμόζει ισχυρές αυξήσεις δεδομένων για τη δημιουργία διαφορετικών όψεων της ίδιας εικόνας, στη συνέχεια εκπαιδεύει έναν κωδικοποιητή για να φέρει παρόμοιες όψεις κοντά στον χώρο αναπαραστάσεων, ενώ απωθεί ανόμοιες όψεις.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/el/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.
- Ανίχνευση Αντικειμένων με Λίγα ΠαραδείγματαΒαθιά Μάθηση↔ compare
- Μασκοφόροι ΑυτοκωδικοποιητέςΒαθιά Μάθηση↔ compare
- Swin TransformerΒαθιά Μάθηση↔ compare
- Vision TransformerΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →