Machine learningMachine learning
自己教師あり少数ショット学習
自己教師あり少数ショット学習（SSL-FSL）は、大規模なラベルなしコーパスでの自己教師あり事前学習と少数ショットメタ学習を組み合わせることで、モデルがわずかなラベル付きサンプルから新しいカテゴリを認識できるようにします。高価なアノテーションを必要とせずに豊かで転移可能な表現を学習することにより、SSL-FSLは、教師あり少数ショット手法の根本的なボトルネックである、ラベル付きサポートデータの規模の必要性に対処します。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Gidaris, S., Bursuc, A., Komodakis, N., Perez, P., & Cord, M. (2019). Boosting Few-Shot Visual Learning with Self-Supervision. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 8059–8068. DOI: 10.1109/ICCV.2019.00815 ↗
- Su, J.-C., Maji, S., & Hariharan, B. (2020). When Does Self-Supervision Improve Few-Shot Learning? European Conference on Computer Vision (ECCV), Lecture Notes in Computer Science, vol 12371, 645–660. DOI: 10.1007/978-3-030-58571-6_38 ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Few-shot Learning (SSL-FSL). ScholarGate. https://scholargate.app/ja/machine-learning/self-supervised-few-shot-learning
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.
Compare side by side →