Önfelügyelt Vision Transformer
Az Önfelügyelt Vision Transformer (SSL-ViT) önfelügyelt előképzési célokat – mint például a maszkolt patch előrejelzés (MAE) vagy a címkézetlen ön-desztilláció (DINO) – alkalmaz a Vision Transformer architektúrára, lehetővé téve erőteljes vizuális reprezentációk tanulását nagy, címkézetlen képtartalmakból, bármilyen feladatspecifikus finomhangolás előtt.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/hu/deep-learning/self-supervised-vision-transformer
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.
- Finomhangolt Vision TransformerMélytanulás↔ compare
- Multimodális Vizuális TranszformerMélytanulás↔ compare
- Önfelügyelt konvolúciós neurális hálózatMélytanulás↔ compare
- Vision TransformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →