Classification d'images auto-supervisée
La classification d'images auto-supervisée entraîne un encodeur visuel profond sur de grands jeux de données d'images non étiquetées en résolvant des tâches proxy — telles que prédire quelles vues augmentées de la même image sont similaires — puis affine uniquement une tête de classification légère sur des exemples étiquetés. Pionnière par des cadres tels que SimCLR et MoCo vers 2020, elle réduit considérablement le besoin d'annotation manuelle coûteuse tout en atteignant une précision rivalisant avec les modèles entièrement supervisés.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Carte des méthodes
Le voisinage des méthodes apparentées — sélectionnez un nœud pour explorer.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/fr/deep-learning/self-supervised-image-classification
Quelle méthode ?
Placez cette méthode aux côtés de ses plus proches parentes et lisez-les côte à côte — la bibliothèque pose les ouvrages sur la table ; le choix vous revient.
- Réseau antagoniste génératifApprentissage profond↔ comparer
- Distillation de connaissancesApprentissage profond↔ comparer
- Apprentissage par transfertApprentissage automatique↔ comparer
- Vision TransformerApprentissage profond↔ comparer
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →