已解决
【计算机视觉】BYOL 讲解
来自网友在路上 176876提问 提问时间：2023-09-21 06:17:36阅读次数： 76
最佳答案 问答题库768位专家为你答疑解惑
BYOL
论文信息
标题：Bootstrap your own latent: A new approach to self-supervised Learning
作者：Jean-Bastien Grill
期刊：NeurIPS 2020
发布时间与更新时间：2020.06.13 2020.09.09 2020.09.10
主题：计算机视觉、对比学习
arXiv：[2006.07733] Bootstrap your own latent: A new approach to self-supervised Learning (arxiv.org)
代码：deepmind-research/byol at master · deepmind/deepmind-research · GitHub
模型
受强化学习思想（Bootstrap，自我提升）的启发，考虑到之前研究的自监督方法的效果都依赖于精心设计的负样本（比如由大 batchsize 提供充足负样本、通过 Memory bank 保存足够多的负样本等等），作者提出了一种不使用负样本，通过迭代自我提升的训练方法（框架）—— BYOL，如图
查看全文
99%的人还看了
相似问题
- 斯坦福机器学习 Lecture2 （假设函数、参数、样本等等术语，还有批量梯度下降法、随机梯度下降法 SGD 以及它们的相关推导，还有正态方程）
- 340条样本就能让GPT-4崩溃，输出有害内容高达95%？OpenAI的安全防护措施再次失效
- FSOD论文阅读 - 基于卷积和注意力机制的小样本目标检测
- 数智竞技何以成为“科技+体育”新样本？
- [深度学习]不平衡样本的loss
- Python实战：绘制直方图的示例代码，数据可视化获取样本分布特征
- 某汽车金融企业：搭建SDLC安全体系，打造智慧金融服务样本
- 计算样本方差和总体方差
- 小样本分割的新视角，Learning What Not to Segment【CVPR 2022】
- 学习笔记|两独立样本秩和检验|曼-惠特尼 U数据分布图|规范表达|《小白爱上SPSS》课程：SPSS第十二讲 | 两独立样本秩和检验如何做？
猜你感兴趣
版权申明
本文"【计算机视觉】BYOL 讲解"：http://eshow365.cn/6-10498-0.html 内容来自互联网，请自行判断内容的正确性。如有侵权请联系我们，立即删除！