SimCLR
SimCLR is een framework voor zelfgesuperviseerd leren, geïntroduceerd door Chen et al. in 2020, dat visuele representaties leert door vergelijkbare en ongelijksoortige weergaven van beelden te contrasteren. De methode past sterke data-augmentaties toe om verschillende weergaven van hetzelfde beeld te creëren, en traint vervolgens een encoder om vergelijkbare weergaven dicht bij elkaar te brengen in de representatieruimte, terwijl ongelijksoortige weergaven uit elkaar worden geduwd.
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 International conference on machine learning (pp. 1597-1607). PMLR. link ↗
Deze pagina citeren
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/nl/deep-learning/simclr
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.
- Objectdetectie met weinig voorbeeldenDeep learning↔ compare
- Masked AutoencodersDeep learning↔ compare
- Swin TransformerDeep learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →