Classificazione di immagini auto-supervisionata
La classificazione di immagini auto-supervisionata addestra un codificatore visivo profondo su grandi set di dati di immagini non etichettate risolvendo compiti proxy — come prevedere quali due viste aumentate della stessa immagine siano simili — e quindi affina solo una leggera testa classificatrice su esempi etichettati. Pioniere di framework come SimCLR e MoCo intorno al 2020, riduce drasticamente la necessità di costose annotazioni manuali ottenendo un'accuratezza paragonabile a quella dei modelli completamente supervisionati.
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. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/it/deep-learning/self-supervised-image-classification
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.
- Rete Generativa AvversariaApprendimento profondo↔ compare
- Distillazione della ConoscenzaApprendimento profondo↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
- Vision TransformerApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →