SimCLR
SimCLR est un cadre d'apprentissage auto-supervisé introduit par Chen et al. en 2020, qui apprend des représentations visuelles en contrastant des vues similaires et dissemblables d'images. La méthode applique de fortes augmentations de données pour créer différentes vues de la même image, puis entraîne un encodeur à rapprocher les vues similaires dans l'espace de représentation tout en éloignant les vues dissemblables.
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 International conference on machine learning (pp. 1597-1607). PMLR. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/fr/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.
- Détection d'objets à peu d'exemplesApprentissage profond↔ compare
- Autoencodeurs masquésApprentissage profond↔ compare
- Swin TransformerApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →