Machine learningMachine learning
자기 지도 메트릭 학습
자기 지도 메트릭 학습은 인간의 주석 대신 자동으로 생성된 의사 레이블을 사용하여 의미론적으로 유사한 항목이 벡터 공간에서 서로 가깝게 위치하도록 입력을 임베딩하는 신경 인코더를 훈련합니다. 자기 지도 사전 과제와 대조 또는 삼중항 기반 메트릭 목표를 결합하여 검색, 클러스터링 및 소수샷 분류에 적용 가능한 전이 가능하고 레이블 효율적인 표현을 생성합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
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 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/ko/machine-learning/self-supervised-metric-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 →