SimCLR
SimCLR to ramy samouczenia się (self-supervised learning) wprowadzony przez Chena i wsp. w 2020 r., który uczy reprezentacji wizualnych poprzez kontrastowanie podobnych i odmiennych widoków obrazów. Metoda stosuje silne augmentacje danych w celu tworzenia różnych widoków tego samego obrazu, a następnie trenuje koder, aby zbliżyć podobne widoki w przestrzeni reprezentacji, jednocześnie odpychając od siebie odmienne widoki.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/pl/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.
- Wykrywanie obiektów z niewielu przykładówUczenie głębokie↔ compare
- Zamaskowane autoenkoderyUczenie głębokie↔ compare
- Swin TransformerUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →