Pembelajaran Metrik Kendiri-Selia
Pembelajaran metrik kendiri-selia melatih pengekod saraf untuk menyematkan input supaya item yang serupa secara semantik terletak berdekatan dalam ruang vektor, menggunakan label pseudo yang dijana secara automatik bukannya anotasi manusia. Dengan menggabungkan tugas pretext kendiri-selia dengan objektif metrik berasaskan kontrasif atau triplet, ia menghasilkan perwakilan yang boleh dipindahkan, cekap label yang boleh digunakan untuk dapatan semula, pengelompokan dan pengelasan beberapa contoh.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/ms/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.
- Pembelajaran MetrikPembelajaran Mesin↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Jaringan Saraf SiamesePembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →