SimCLR
SimCLR är ett ramverk för självövervakad inlärning som introducerades av Chen et al. 2020 och som lär sig visuella representationer genom att kontrastera liknande och olika vyer av bilder. Metoden tillämpar starka dataaugmenteringar för att skapa olika vyer av samma bild, och tränar sedan en kodare för att föra liknande vyer nära varandra i representationsrymden samtidigt som olika vyer trycks isär.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/sv/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.
- Få-exempel-objektdetekteringDjupinlärning↔ compare
- Maskerade autoenkodrarDjupinlärning↔ compare
- Swin TransformerDjupinlärning↔ compare
- Vision TransformerDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →