自监督学习的概念

  1. Self-Supervised Learning (SSL)的主要思想是解决先验任务来学习特征提取器,在不使用标签的情况下生成有用的表示。 这里先验任务是指, 先使用原始数据和特征提取器来提取出 数据的有效表示.

  2. 对比方法(即对比学习, Contrastive Learning )是一类 SSL 方法:
    它根据数据增强(例如 SimCLR [1])优化编码器以输出相同数据的不同视图的相似的embeding。

对比学习也可以通过称为监督对比学习 (SCL) 的框架成功利用,该框架仅使用分类标签在类似于 SimCL 的对比设置中对正对进行分组,从而在几个计算机视觉上进行最先进的分类

在音频中,先前使用对比方法的工作建议使用训练示例的合成混合来生成视图[2],以及声音分离[3],或者通过从音频片段中采样片段来生成对[4]

交叉熵训练 与 监督对比学习训练,用于提高分类效果;

你可能感兴趣的:(#,自监督学习,学习,人工智能)