Itseohjautuva metriikkaoppiminen
Itseohjautuva metriikkaoppiminen kouluttaa neuroverkon enkooderin upottamaan syötteitä siten, että semanttisesti samankaltaiset kohteet sijaitsevat lähellä toisiaan vektoriavaruudessa, käyttäen ihmisen annotaatioiden sijaan automaattisesti generoituja pseudotunnisteita. Yhdistämällä itseohjautuvia esitehtäviä kontrastiivisiin tai triplet-pohjaisiin metriikkaobjektiiveihin, se tuottaa siirrettäviä, vähän tunnisteita vaativia esityksiä, jotka soveltuvat hakuun, klusterointiin ja harvojen esimerkkien luokitteluun.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/fi/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.
- MetriikkaoppiminenKoneoppiminen↔ compare
- Itseohjautuva oppiminenKoneoppiminen↔ compare
- Siamilainen neuroverkkoSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →