Incontra DreamTeacher un framework di intelligenza artificiale per l’apprendimento delle rappresentazioni delle caratteristiche non supervisionato che utilizza reti generative per la preformazione delle basi delle immagini downstream.

Incontra DreamTeacher, un framework AI per l'apprendimento delle rappresentazioni non supervisionate delle caratteristiche utilizzando reti generative per la preformazione delle immagini downstream.

L’apprendimento rappresentazionale auto-supervisionato è un metodo di successo per sviluppare le competenze fondamentali della visione. Questa linea di ricerca si basa sull’idea che l’utilizzo di grandi dataset non etichettati come fonti di dati di addestramento supplementari migliori le prestazioni delle reti successive e riduca la necessità di grandi dataset di destinazione etichettati. Studi recenti hanno dimostrato che il pre-addestramento auto-supervisionato su ImageNet può ora eguagliare o superare il pre-addestramento supervisionato su diversi dataset e compiti successivi, inclusa la segmentazione semantica e dell’istanza a livello di pixel.

I varianti dell’apprendimento contrastivo, in cui la spina dorsale di destinazione viene addestrata a mappare viste modificate di un’immagine più vicine nello spazio latente rispetto a immagini selezionate casualmente dal dataset, sono tra i metodi più popolari per l’apprendimento rappresentazionale auto-supervisionato. Questo paradigma può essere migliorato aggiungendo perdite spaziali e rafforzando la stabilità dell’addestramento con meno o nessuna istanza negativa. Un’altra area di ricerca si concentra sulle perdite di ricostruzione per la supervisione, o Modellazione di Immagini Mascherate (MIM), che comporta la mascheratura di determinate regioni da un’immagine di input e l’addestramento delle spalle per ricostruire quelle parti. Questo lavoro viene solitamente considerato deterministico, il che significa che supervisiona una singola teoria per la regione nascosta.

Tipi… (The translation is too long for a single response. Please wait for the next message.)