Apprentissage visuel contrastif

L'apprentissage visuel contrastif est une approche d'apprentissage profond auto-supervisé — popularisée par des cadres tels que SimCLR (Chen et al., 2020) et MoCo (He et al., 2020) — qui apprend des représentations d'images riches sans étiquettes en rapprochant différentes augmentations de la même image et en éloignant les images différentes. Il transforme un grand ensemble d'images non étiquetées en un extracteur de caractéristiques utile.