自监督学习的概念

这篇具有很好参考价值的文章主要介绍了自监督学习的概念。希望对大家有所帮助。如果存在错误或未考虑完全的地方,请大家不吝赐教,您也可以点击"举报违法"按钮提交疑问。

  1. Self-Supervised Learning (SSL)的主要思想是解决先验任务来学习特征提取器,在不使用标签的情况下生成有用的表示。 这里先验任务是指, 先使用原始数据和特征提取器来提取出 数据的有效表示.

  2. 对比方法(即对比学习, Contrastive Learning )是一类 SSL 方法:
    它根据数据增强(例如 SimCLR [1])优化编码器以输出相同数据的不同视图的相似的embeding。

对比学习也可以通过称为监督对比学习 (SCL) 的框架成功利用,该框架仅使用分类标签在类似于 SimCL 的对比设置中对正对进行分组,从而在几个计算机视觉上进行最先进的分类

在音频中,先前使用对比方法的工作建议使用训练示例的合成混合来生成视图[2],以及声音分离[3],或者通过从音频片段中采样片段来生成对[4]

交叉熵训练 与 监督对比学习训练,用于提高分类效果;文章来源地址https://www.toymoban.com/news/detail-646019.html

到了这里,关于自监督学习的概念的文章就介绍完了。如果您还想了解更多内容,请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章,希望大家以后多多支持TOY模板网!

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处: 如若内容造成侵权/违法违规/事实不符,请点击违法举报进行投诉反馈,一经查实,立即删除!

领支付宝红包 赞助服务器费用

相关文章

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

博客赞助

微信扫一扫打赏

请作者喝杯咖啡吧~博客赞助

支付宝扫一扫领取红包,优惠每天领

二维码1

领取红包

二维码2

领红包