การเรียนรู้เมตริกแบบกำกับตนเอง
การเรียนรู้เมตริกแบบกำกับตนเอง (Self-supervised metric learning) ฝึกฝนตัวเข้ารหัสโครงข่ายประสาทเทียม (neural encoder) เพื่อฝังข้อมูลนำเข้า (embed inputs) ให้รายการที่มีความหมายใกล้เคียงกันอยู่ใกล้กันในปริภูมิเวกเตอร์ โดยใช้ป้ายกำกับเสมือน (pseudo-labels) ที่สร้างขึ้นโดยอัตโนมัติแทนการกำกับโดยมนุษย์ ด้วยการรวมงานนำร่องแบบกำกับตนเอง (self-supervised pretext tasks) เข้ากับวัตถุประสงค์เมตริกแบบคอนทราสทีฟ (contrastive) หรือแบบทริปเลต (triplet-based) ทำให้เกิดการนำเสนอข้อมูลที่ถ่ายทอดได้และมีประสิทธิภาพด้านป้ายกำกับ ซึ่งสามารถนำไปใช้กับการดึงข้อมูล การจัดกลุ่ม และการจำแนกประเภทแบบไม่กี่ช็อต (few-shot classification) ได้
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. 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Self-supervised Metric Learning. ScholarGate. https://scholargate.app/th/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.
- การเรียนรู้เมตริกการเรียนรู้ของเครื่อง↔ compare
- การเรียนรู้แบบกำกับดูแลตนเองการเรียนรู้ของเครื่อง↔ compare
- Siamese Neural Networkการเรียนรู้เชิงลึก↔ compare