SimCLR
SimCLR é um framework de aprendizado autossupervisionado introduzido por Chen et al. em 2020 que aprende representações visuais contrastando visualizações semelhantes e dissimilares de imagens. O método aplica fortes aumentos de dados para criar diferentes visualizações da mesma imagem, em seguida, treina um codificador para aproximar visualizações semelhantes no espaço de representação, ao mesmo tempo que afasta visualizações dissimilares.
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 International conference on machine learning (pp. 1597-1607). PMLR. link ↗
Como citar esta página
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/pt/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.
- Detecção de Objetos Few-ShotAprendizado profundo↔ compare
- Autoencoders MascaradosAprendizado profundo↔ compare
- Swin TransformerAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →