Classificação de Imagens Auto-supervisionada
A classificação de imagens auto-supervisionada treina um codificador visual profundo em grandes conjuntos de dados de imagens não rotuladas, resolvendo tarefas proxy — como prever quais duas visualizações aumentadas da mesma imagem são semelhantes — e, em seguida, ajusta apenas uma cabeça classificadora leve em exemplos rotulados. Pioneira por frameworks como SimCLR e MoCo por volta de 2020, ela reduz drasticamente a necessidade de anotação manual cara, ao mesmo tempo que atinge precisão rivalizando com modelos totalmente supervisionados.
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. Proceedings of the 37th International Conference on Machine Learning (ICML), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Learning for Image Classification. ScholarGate. https://scholargate.app/pt/deep-learning/self-supervised-image-classification
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 Adversarial GenerativaAprendizado profundo↔ compare
- Destilação de ConhecimentoAprendizado profundo↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →