Aprendizaje métrico auto-supervisado
El aprendizaje métrico auto-supervisado entrena a un codificador neuronal para incrustar entradas de tal manera que los elementos semánticamente similares queden juntos en el espacio vectorial, utilizando pseudo-etiquetas generadas automáticamente en lugar de anotaciones humanas. Al combinar tareas pretexto auto-supervisadas con objetivos métricos basados en contraste o tripletas, produce representaciones transferibles y eficientes en cuanto a etiquetas, aplicables a la recuperación, el agrupamiento y la clasificación con pocos ejemplos.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/es/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.
- Aprendizaje métricoAprendizaje automático↔ compare
- Aprendizaje autosupervisadoAprendizaje automático↔ compare
- Red neuronal siamesaAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →