SimCLR
SimCLR je okvir za samostalno učenje (self-supervised learning) koji su uveli Chen et al. 2020. godine, a koji uči vizuelne reprezentacije kontrastiranjem sličnih i različitih prikaza slika. Metoda primenjuje snažne augmentacije podataka kako bi se kreirali različiti prikazi iste slike, a zatim trenira enkoder da približi slične prikaze u prostoru reprezentacija, dok udaljava različite prikaze.
Pročitajte celu metodu
Prijavite se besplatnim nalogom da biste pročitali ovaj odeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/sr/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.
- Detekcija objekata sa malo primera (FSOD)Duboko učenje↔ compare
- Masked AutoencodersDuboko učenje↔ compare
- Swin TransformerDuboko učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Citirana u
Uočili ste grešku na ovoj stranici? Prijavite je ili predložite ispravku →