Machine learningDeep learning / NLP / CV

자기 지도 학습 이미지 분류

자기 지도 학습 이미지 분류는 대규모의 레이블 없는 이미지 데이터셋에서 딥 비주얼 인코더를 훈련시키는 것으로, 동일한 이미지의 두 증강된 뷰가 얼마나 유사한지를 예측하는 것과 같은 프록시 작업을 해결함으로써 이루어집니다. 그런 다음 레이블이 지정된 예시에 대해서만 경량 분류기 헤드를 미세 조정합니다. SimCLR 및 MoCo와 같은 프레임워크에 의해 2020년경 개척된 이 방법은 완전히 지도 학습된 모델과 경쟁하는 정확도를 달성하면서 값비싼 수동 주석의 필요성을 크게 줄입니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

자기 지도 학습 이미지 분류

생성적 적대 신경망 지식 증류 전이 학습 Vision Transformer 자기 지도 학습 기반 객체 탐지 준지도 학습 이미지 분류 약한 지도 학습 이미지 분류

출처

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 ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/ko/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.

Compare side by side →

이 방법을 참조하는 항목

자기 지도 학습 기반 객체 탐지 준지도 학습 이미지 분류 약한 지도 학습 이미지 분류

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →