Réseau de neurones convolutif auto-supervisé
Un réseau de neurones convolutif (CNN) auto-supervisé apprend de puissantes représentations visuelles à partir d'images non étiquetées en résolvant des tâches prétextes — telles que la discrimination d'instance contrastive ou la prédiction de patch masqué — puis est affiné sur un petit ensemble étiqueté. Cette approche réduit considérablement la dépendance à l'égard de grands ensembles de données annotées tout en préservant les forces d'extraction de caractéristiques spatiales des architectures convolutives.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. In Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2020), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/fr/deep-learning/self-supervised-convolutional-neural-network
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.
- Réseau neuronal convolutif affinéApprentissage profond↔ compare
- Transformer auto-superviséApprentissage profond↔ compare
- Vision Transformer auto-superviséApprentissage profond↔ compare
- CNN convolutive semi-superviséeApprentissage profond↔ compare
- Apprentissage par transfert avec réseau neuronal convolutifApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →