Selv-overvåket konvolusjonelt nevralt nettverk
Et selv-overvåket konvolusjonelt nevralt nettverk (CNN) lærer kraftige visuelle representasjoner fra umerkede bilder ved å løse forberedende oppgaver – som kontrastiv instansdiskriminering eller prediksjon av maskerte bildedeler – og deretter finjusteres på et lite merket datasett. Denne tilnærmingen reduserer dramatisk avhengigheten av store annoterte datasett, samtidig som den bevarer styrkene til konvolusjonelle arkitekturer for romlig trekkutvinning.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/no/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.
- Finetunet konvolusjonelt nevralt nettverkDyp læring↔ compare
- Selv-supervisert TransformerDyp læring↔ compare
- Selv-supervisert Vision TransformerDyp læring↔ compare
- Semi-veiled konvolusjonelt nevralt nettverkDyp læring↔ compare
- Overføringslæring med konvolusjonelt nevralt nettverkDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →