Self Supervised Image Classification

La tâche de classification d'images auto-supervisée vise à obtenir des représentations d'images de haute qualité grâce aux méthodes d'apprentissage auto-supervisé et à les évaluer en formant un classifieur linéaire dessus. L'apprentissage auto-supervisé consiste à résoudre une tâche de pré-entraînement pour apprendre des représentations, généralement en utilisant des fonctions de perte spécifiques telles que la perte contrastive pour mesurer la similarité des paires d'échantillons dans l'espace de représentation. Cette tâche présente une valeur d'application importante en vision par ordinateur, réduisant efficacement le besoin de données étiquetées et améliorant la capacité de généralisation du modèle.