SimCLR
SimCLR เป็นกรอบงานการเรียนรู้แบบกำกับดูแลตนเอง (self-supervised learning) ที่นำเสนอโดย Chen และคณะในปี 2020 ซึ่งเรียนรู้การนำเสนอภาพ (visual representations) โดยการเปรียบเทียบมุมมองของภาพที่เหมือนกันและแตกต่างกัน วิธีการนี้ใช้การเพิ่มข้อมูล (data augmentations) ที่เข้มข้นเพื่อสร้างมุมมองที่แตกต่างกันของภาพเดียวกัน จากนั้นจึงฝึกตัวเข้ารหัส (encoder) เพื่อให้มุมมองที่เหมือนกันอยู่ใกล้กันในปริภูมิการนำเสนอ (representation space) ขณะที่ผลักดันมุมมองที่แตกต่างกันให้ออกห่างกัน
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 International conference on machine learning (pp. 1597-1607). PMLR. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). A Simple Framework for Contrastive Learning of Visual Representations. ScholarGate. https://scholargate.app/th/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.
- การตรวจจับวัตถุแบบ Few-Shotการเรียนรู้เชิงลึก↔ compare
- Masked Autoencodersการเรียนรู้เชิงลึก↔ compare
- Swin Transformer (โปรแกรมแปลง Swin)การเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare