SimCLR
A SimCLR (A Simple Framework for Contrastive Learning of Visual Representations) egy, a Chen és munkatársai által 2020-ban bevezetett önfelügyelt tanulási keretrendszer, amely képek hasonló és eltérő nézeteinek kontrasztálásával tanul vizuális reprezentációkat. A módszer erős adattranszformációkat alkalmaz a kép különböző nézeteinek létrehozására, majd egy enkódert képez, hogy a hasonló nézeteket közelebb hozza a reprezentációs térben, miközben eltávolítja az eltérő nézeteket.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- 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 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/hu/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.
- Kevésmintás objektumdetektálásMélytanulás↔ compare
- Maszkolt AutoenkóderekMélytanulás↔ compare
- Swin TransformerMélytanulás↔ compare
- Vision TransformerMélytanulás↔ compare
Hivatkozik rá
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →