طبقهبندی تصویر خودنظارتی
طبقهبندی تصویر خودنظارتی، یک رمزگذار بصری عمیق را بر روی مجموعه دادههای بزرگ تصویر بدون برچسب با حل وظایف نیابتی — مانند پیشبینی اینکه کدام دو نمای تقویتشده از یک تصویر مشابه هستند — آموزش میدهد و سپس تنها یک سر طبقهبندی سبک را بر روی نمونههای برچسبدار تنظیم دقیق میکند. این روش که توسط چارچوبهایی مانند SimCLR و MoCo در حدود سال ۲۰۲۰ پیشگام شد، نیاز به حاشیهنویسی دستی پرهزینه را به شدت کاهش میدهد و در عین حال دقتی مشابه مدلهای کاملاً نظارتشده به دست میآورد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/fa/deep-learning/self-supervised-image-classification
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.
- شبکه مولد تخاصمییادگیری عمیق↔ compare
- تقطیر دانش (Knowledge Distillation)یادگیری عمیق↔ compare
- یادگیری انتقالییادگیری ماشین↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →