โครงข่ายประสาทเทียมคอนโวลูชันแบบเรียนรู้ด้วยตนเอง
โครงข่ายประสาทเทียมคอนโวลูชันแบบเรียนรู้ด้วยตนเอง (Self-Supervised Convolutional Neural Network - CNN) สามารถเรียนรู้การนำเสนอคุณลักษณะ (representation) ทางภาพที่ทรงพลังจากภาพที่ไม่มีป้ายกำกับ (unlabeled images) โดยการแก้ปัญหาเฉพาะหน้า (pretext tasks) เช่น การจำแนกตัวอย่างแบบเปรียบต่าง (contrastive instance discrimination) หรือการทำนายส่วนที่ถูกบดบัง (masked-patch prediction) จากนั้นจึงทำการปรับละเอียด (fine-tunes) บนชุดข้อมูลที่มีป้ายกำกับขนาดเล็ก วิธีการนี้ช่วยลดการพึ่งพาชุดข้อมูลที่มีป้ายกำกับจำนวนมากได้อย่างมาก ในขณะเดียวกันก็ยังคงรักษาจุดแข็งของการสกัดคุณลักษณะเชิงพื้นที่ของสถาปัตยกรรมคอนโวลูชัน
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Chen, T., Kornblith, S., Norouzi, M., & Hinton, G. (2020). A Simple Framework for Contrastive Learning of Visual Representations. In Proceedings of the 37th International Conference on Machine Learning (ICML 2020), PMLR 119, 1597–1607. link ↗
- He, K., Fan, H., Wu, Y., Xie, S., & Girshick, R. (2020). Momentum Contrast for Unsupervised Visual Representation Learning. In Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR 2020), 9729–9738. DOI: 10.1109/CVPR42600.2020.00975 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/th/deep-learning/self-supervised-convolutional-neural-network
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.
- Fine-Tuned Convolutional Neural Networkการเรียนรู้เชิงลึก↔ compare
- Self-supervised Transformerการเรียนรู้เชิงลึก↔ compare
- Self-supervised Vision Transformerการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการการเรียนรู้เชิงลึก↔ compare