Rede neural convolucional autossupervisionada
Uma rede neural convolucional (CNN) autossupervisionada aprende representações visuais poderosas a partir de imagens não rotuladas, resolvendo tarefas pretextos — como discriminação de instâncias contrastivas ou predição de blocos mascarados — e, em seguida, ajusta-se em um pequeno conjunto rotulado. Essa abordagem reduz drasticamente a dependência de grandes conjuntos de dados anotados, preservando os pontos fortes de extração de características espaciais das arquiteturas convolucionais.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/pt/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.
- Rede neural convolucional ajustada finamenteAprendizado profundo↔ compare
- Transformer Auto-supervisionadoAprendizado profundo↔ compare
- Vision Transformer AutossupervisionadoAprendizado profundo↔ compare
- Rede Neural Convolucional Semi-supervisionadaAprendizado profundo↔ compare
- Transfer Learning com Redes Neurais ConvolucionaisAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →