Apprentissage métrique auto-supervisé
L'apprentissage métrique auto-supervisé entraîne un encodeur neuronal à intégrer des entrées de telle sorte que des éléments sémantiquement similaires se trouvent proches dans l'espace vectoriel, en utilisant des pseudo-étiquettes générées automatiquement au lieu d'annotations humaines. En combinant des tâches prétextes auto-supervisées avec des objectifs métriques basés sur le contraste ou les triplets, il produit des représentations transférables et efficaces en termes d'étiquettes, applicables à la recherche, au clustering et à la classification à peu d'exemples.
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. Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
Comment citer cette page
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/fr/machine-learning/self-supervised-metric-learning
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
- Réseau neuronal siamoisApprentissage profond↔ compare
Une erreur sur cette page ? Signalez-la ou proposez une correction →