Deep Constrative Learning-A Survey(对比学习综述)
在深度学习中, 如何利用大量、易获取的无标注数据增强神经网络模型的特征表达能力, 是一个具有重要意义的研究问题, 而对比学习是解决该问题的有效方法之一, 近年来得到了学术界的广泛关注, 涌现出一大批新的研究方法和成果. 本文综合考察对比学习近年的发展和进步, 提出一种新的面向对比学习的归类方法, 该方法将现有对比学习方法归纳为5类, 包括: 1) 样本对构造;2) 图像增广;3) 网络架构;4) 损失函数;5) 应用.
原创
2024-06-15 18:17:04 ·
931 阅读 ·
0 评论