Självövervakad metrikinlärning
Självövervakad metrikinlärning tränar en neural kodare att bädda in indata så att semantiskt lika objekt ligger nära varandra i vektorrymd, med hjälp av automatiskt genererade pseudomärken istället för mänskliga annoteringar. Genom att kombinera självövervakade förtextuppgifter med kontrastiva eller triplet-baserade metrikmål, producerar den överförbara, etikett-effektiva representationer som är tillämpliga för informationssökning, klustring och fåskottsklassificering.
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. 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/sv/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.
- MetriskinlärningMaskininlärning↔ compare
- Självövervakad inlärningMaskininlärning↔ compare
- Siamesiskt neuralt nätverkDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →