自監督學習(self-supervised learning)可以被看作是機器學習的一種“理想狀態”,模型直接從無標簽數據中自行學習,無需標注數據。

VIP內容

當前計算機視覺的焦點在於從監督數據學習視覺表示,並使用這些表示/模型權重作為初始化其他缺乏標記數據的任務。標簽數據可能是昂貴的,例如,Imagenet數據集有大約1400萬張圖片和22000個類別,需要大約22年的人類年來進行標簽。

自監督方法的分類: 相似性最大化目標 減少冗餘目標

Chapters 00:00 – Welcome to class 01:05 – Self-supervised learning in computer vision 15:20– Pretext-invariant representation learning (PIRL) 27:08 – Swapping assignments between views (SwAV) 48:39 – Audiovisual instance discrimination with cross model agreement (AVID + CMA) 58:24 – Barlow Twins: self-supervised learning via redundancy reduction

成為VIP會員查看完整內容
0
23
1
父主題
Top