Zelf-gesuperviseerd convolutie neuraal netwerk
Een zelf-gesuperviseerd convolutie neuraal netwerk (CNN) leert krachtige visuele representaties uit ongelabelde afbeeldingen door 'pretext'-taken op te lossen — zoals contrastieve instantiediscriminatie of voorspelling van gemaskeerde patches — en vervolgens te fine-tunen op een kleine gelabelde dataset. Deze aanpak vermindert de afhankelijkheid van grote geannoteerde datasets drastisch, terwijl de ruimtelijke kenmerkextractiekracht van convolutie-architecturen behouden blijft.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 2020), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2020), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/nl/deep-learning/self-supervised-convolutional-neural-network
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.
- Fijn-afgestelde Convolutionele Neurale NetwerkenDeep learning↔ compare
- Zelf-gesuperviseerde TransformerDeep learning↔ compare
- Zelf-gesuperviseerde Vision TransformerDeep learning↔ compare
- Semi-supervised Convolutional Neural NetworkDeep learning↔ compare
- Transfer Learning met Convolutional Neural NetworkDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →