سیمسیالآر (SimCLR)
سیمسیالآر یک چارچوب یادگیری خودنظارتی است که توسط چن و همکاران در سال ۲۰۲۰ معرفی شد و با تقابل دیدگاههای مشابه و غیرمشابه تصاویر، بازنماییهای بصری را یاد میگیرد. این روش از افزونگیهای قوی داده برای ایجاد دیدگاههای مختلف از یک تصویر استفاده میکند، سپس یک رمزگذار را آموزش میدهد تا دیدگاههای مشابه را در فضای بازنمایی به هم نزدیک و دیدگاههای غیرمشابه را از هم دور کند.
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. In International conference on machine learning (pp. 1597-1607). PMLR. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/fa/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.
- تشخیص شیء با نمونههای کمیادگیری عمیق↔ compare
- خودرمزگذارِ پوشیده (Masked Autoencoders)یادگیری عمیق↔ compare
- ترنسفورمر سوین (Swin Transformer)یادگیری عمیق↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →