Voisins les plus proches auto-supervisés
Les voisins les plus proches auto-supervisés (SSL-kNN) combinent l'apprentissage de représentations sans étiquettes avec un classifieur non paramétrique k-NN. Un encodeur neuronal est d'abord entraîné via un objectif auto-supervisé — tel que la prédiction contrastive ou masquée — de sorte que les échantillons sémantiquement similaires se regroupent dans l'espace d'intégration. Une simple recherche k-NN sur ces intégrations attribue ensuite des étiquettes de classe, servant à la fois de sonde légère et de classifieur pratique.
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), PMLR 119, 1597–1607. link ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/fr/machine-learning/self-supervised-k-nearest-neighbors
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.
- Apprentissage métriqueApprentissage automatique↔ compare
- Apprentissage auto-superviséApprentissage automatique↔ compare
- K-plus proches voisins semi-supervisésApprentissage automatique↔ compare
- Apprentissage par transfertApprentissage automatique↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →