SimCLR
SimCLR adalah sebuah kerangka kerja pembelajaran mandiri (self-supervised learning) yang diperkenalkan oleh Chen et al. pada tahun 2020 yang mempelajari representasi visual dengan mengontraskan tampilan gambar yang serupa dan tidak serupa. Metode ini menerapkan augmentasi data yang kuat untuk menciptakan tampilan yang berbeda dari gambar yang sama, kemudian melatih sebuah encoder untuk mendekatkan tampilan yang serupa dalam ruang representasi sambil menjauhkan tampilan yang tidak serupa.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/id/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.
- Deteksi Objek Sedikit Contoh (Few-Shot Object Detection)Pembelajaran Mendalam↔ compare
- Autoenkoder BertopengPembelajaran Mendalam↔ compare
- Swin TransformerPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →