k-vicini più prossimi auto-supervisionati
Il k-vicini più prossimi auto-supervisionato (SSL-kNN) combina l'apprendimento di rappresentazioni senza etichette con un classificatore k-NN non parametrico. Un codificatore neurale viene prima addestrato tramite un obiettivo auto-supervisionato — come la predizione contrastiva o mascherata — in modo che campioni semanticamente simili si raggruppino nello spazio delle embedding. Una semplice ricerca k-NN su tali embedding assegna quindi etichette di classe, fungendo sia da sonda leggera che da classificatore pratico.
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), PMLR 119, 1597–1607. link ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/it/machine-learning/self-supervised-k-nearest-neighbors
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.
- Apprendimento metricoApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- K-Nearest Neighbors semi-supervisionatoApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →