Samoučiaci sa Vision Transformer
Samoučiaci sa Vision Transformer (SSL-ViT) aplikuje ciele samoučiaceho sa predtrénovania — ako je predikcia maskovaných segmentov (MAE) alebo samoučenie s destiláciou bez označení (DINO) — na architektúru Vision Transformer, čo umožňuje naučiť sa silné vizuálne reprezentácie z rozsiahlych neoznačených obrazových korpusov pred akýmkoľvek dolaďovaním na konkrétnu úlohu.
Prečítať celú metódu
Ak si chcete prečítať túto sekciu, prihláste sa s bezplatným účtom.
Method map
The neighbourhood of related methods — select a node to explore.
Zdroje
- Caron, M., Touvron, H., Misra, I., Jegou, H., Mairal, J., Bojanowski, P., & Joulin, A. (2021). Emerging Properties in Self-Supervised Vision Transformers. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 9650–9660. link ↗
- He, K., Chen, X., Xie, S., Li, Y., Dollar, P., & Girshick, R. (2022). Masked Autoencoders Are Scalable Vision Learners. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 16000–16009. link ↗
Ako citovať túto stránku
ScholarGate. (2026, June 3). Self-supervised Vision Transformer (SSL-ViT). ScholarGate. https://scholargate.app/sk/deep-learning/self-supervised-vision-transformer
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.
- Jemne doladený Vision TransformerHlboké učenie↔ compare
- Multimodálny Transformer pre víziuHlboké učenie↔ compare
- Konvolučná neuronová sieť so samoučiacim sa dohľadomHlboké učenie↔ compare
- Vision TransformerHlboké učenie↔ compare
Odkazujú sem
Našli ste na tejto stránke chybu? Nahláste ju alebo navrhnite opravu →