k-vizinhos mais próximos auto-supervisionados
O k-vizinhos mais próximos auto-supervisionados (SSL-kNN) combina aprendizado de representação sem rótulos com um classificador k-NN não paramétrico. Um codificador neural é primeiro treinado via um objetivo auto-supervisionado — como predição contrastiva ou mascarada — de modo que amostras semanticamente similares se agrupem no espaço de incorporação (embedding space). Uma simples consulta k-NN nesses embeddings então atribui rótulos de classe, servindo tanto como uma sonda leve quanto como um classificador prático.
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), PMLR 119, 1597–1607. link ↗
- Wu, Z., Xiong, Y., Yu, S. X., & Lin, D. (2018). Unsupervised feature learning via non-parametric instance discrimination. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 3733–3742. DOI: 10.1109/CVPR.2018.00393 ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised K-Nearest Neighbors (SSL-kNN). ScholarGate. https://scholargate.app/pt/machine-learning/self-supervised-k-nearest-neighbors
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.
- Aprendizado de MétricaAprendizado de máquina↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- K-Vizinhos Mais Próximos Semi-supervisionadoAprendizado de máquina↔ compare
- Aprendizagem por TransferênciaAprendizado de máquina↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →