Selv-supervisert metrikklæring
Selv-supervisert metrikklæring trener en nevral enkoder for å inkorporere inndata slik at semantisk like elementer ligger nær hverandre i vektorrommet, ved bruk av automatisk genererte pseudolabels i stedet for menneskelige annotasjoner. Ved å kombinere selv-superviserte fortekstoppgaver med kontrastive eller triplet-baserte metrikkmål, produserer den overførbare, label-effektive representasjoner som er anvendelige for gjenfinning, klyngeanalyse og få-skudds klassifisering.
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. 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/no/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.
- MetrikklæringMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Siamese Neural NetworkDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →