Aprendizagem métrica auto-supervisionada
A aprendizagem métrica auto-supervisionada treina um codificador neural para incorporar entradas de modo que itens semanticamente semelhantes fiquem próximos no espaço vetorial, usando pseudo-rótulos gerados automaticamente em vez de anotações humanas. Ao combinar tarefas pretextuais auto-supervisionadas com objetivos métricos baseados em contraste ou triplas, produz representações transferíveis e eficientes em termos de rótulos, aplicáveis a recuperação, agrupamento e classificação com poucos exemplos.
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 2020), PMLR 119, 1597–1607. link ↗
- Khosla, P., Tian, Y., Wang, X., Liu, C., Krishnan, D., Isola, P., & Tian, Y. (2020). Supervised Contrastive Learning. Advances in Neural Information Processing Systems (NeurIPS 2020), 33, 18661–18673. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/pt/machine-learning/self-supervised-metric-learning
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
- Rede neural siamesaAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →