Rete Neurale Convoluzionale Auto-Supervisionata
Una rete neurale convoluzionale (CNN) auto-supervisionata apprende potenti rappresentazioni visive da immagini non etichettate risolvendo compiti pretesto — come la discriminazione di istanze contrastive o la predizione di patch mascherate — e successivamente effettua il fine-tuning su un piccolo set etichettato. Questo approccio riduce drasticamente la dipendenza da grandi dataset annotati, preservando al contempo i punti di forza delle architetture convoluzionali nell'estrazione di caratteristiche spaziali.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 2020), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2020), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/it/deep-learning/self-supervised-convolutional-neural-network
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.
- Convolutional Neural Network Fine-TunedApprendimento profondo↔ compare
- Transformer auto-supervisionatoApprendimento profondo↔ compare
- Vision Transformer Auto-supervisionatoApprendimento profondo↔ compare
- Reti neurali convoluzionali semi-supervisionateApprendimento profondo↔ compare
- Transfer Learning con Convolutional Neural NetworkApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →