Self Supervised Image Classification

Die Aufgabe der selbstüberwachten Bildklassifizierung besteht darin, durch selbstüberwachte Lernmethoden hochwertige Bildrepräsentationen zu erlangen und diese durch das Training eines linearen Klassifikators zu bewerten. Das selbstüberwachte Lernen umfasst das Lösen einer Vortrainingsaufgabe, um Repräsentationen zu lernen, wobei in der Regel spezifische Verlustfunktionen wie der kontrastive Verlust verwendet werden, um die Ähnlichkeit von Stichprobenpaaren im Repräsentationsraum zu messen. Diese Aufgabe hat einen bedeutenden Anwendungswert in der Computer Vision, da sie die Notwendigkeit für etikettierte Daten effektiv reduziert und die Generalisierungsfähigkeit des Modells verbessert.