Zelfgesuperviseerd Metrisch Leren
Zelfgesuperviseerd metrisch leren traint een neurale encoder om invoer zodanig in te bedden dat semantisch vergelijkbare items dicht bij elkaar liggen in de vectorruimte, gebruikmakend van automatisch gegenereerde pseudo-labels in plaats van menselijke annotaties. Door zelfgesuperviseerde pretext-taken te combineren met contrastieve of triplet-gebaseerde metrische doelstellingen, produceert het overdraagbare, label-efficiënte representaties die toepasbaar zijn op retrieval, clustering en few-shot classificatie.
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. 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/nl/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.
- Metrische LerenMachine learning↔ compare
- Zelf-gesuperviseerd LerenMachine learning↔ compare
- Siamees Neuraal NetwerkDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →