BYOL

【自监督论文阅读 4】BYOL

文章目录一、摘要二、引言三、相关工作四、方法4.1BYOL的描述4.2IntuitionsonBYOL’sbehavior（BYOL行为的直觉）4.3实验细节五、实验评估5.1LinearevaluationonImageNet
hjxu2016·2023-10-27 22:20

自监督学习模型发展综述：Inst Disc、Inva Sread、MOCO、SimCLR、BYOL

文章目录一、InstDisc研究意义价值个体判别（instancediscrimination）特点实现方法如何训练CNN大量负样本如何存储前向传播过程ProximalRegularization超参数设置二、InvaSread特点原理如何选取正负样本前向传播过程目标函数模型效果不够好的原因MoCoSimCLR模型正负样本对的选取ProectionHead前向传播过程和InvaSread的区别BY
好喜欢吃红柚子·2023-10-27 14:20

逐字稿 | 对比学习论文综述【论文精读】

不用负样本：BYOL及其后续改进，SimSima把所有方法都归纳总结，融入到SimSi
云淡风轻__·2023-10-13 19:29

【计算机视觉】BYOL 讲解

BYOL论文信息标题：Bootstrapyourownlatent:Anewapproachtoself-supervisedLearning作者：Jean-BastienGrill期刊：NeurIPS2020
不牌不改·2023-09-20 17:58

【无监督】4、BYOL | 首个不使用负样本的对比学习框架

文章目录一、背景和动机二、方法2.1BYOL网络结构2.2实现细节三、效果3.1总体效果3.2和SimCLR的对比四、BYOL真的没有用到负样本吗？
呆呆的猫·2023-08-21 20:10

【解析】对比学习和孪生网络的关系

一些自我监督学习的算法（如SimCLR、MoCo、BYOL、SimSiam等）实际上就是使用孪生网
爱学习的书文·2023-07-29 11:07

【解析】介绍simclr、moco、simsiam、BYOL的联系和区别

文章目录对比SimCLR（简单对比损失的自我监督学习）MoCo（动量对比）SimSiam（SimpleSiamese）BYOL（BootstrapYourOwnLatent）选择计算资源数据实时更新简单性和易用性
爱学习的书文·2023-07-29 11:34

论文阅读 （一）对比学习系列 MoCo and 从InsDisc到 SimSiam DINO

BYOL的作者也是刚，为了回复一
Ray Song·2023-04-07 00:31

10.无需负样本的自监督学习 BYOL

论文:https://arxiv.org/abs/2006.07733讲解:https://www.zhihu.com/question/402452508/answer/1293771636(2020年6月13日提交)无需负样本的自我监督学习不易受批次大小和数据增强的影响比传统的对比度学习与ImageNet分类等准确率更高。DeepMind提出了一种新的自监督学习方法BootstrapYourO
xz1308579340·2023-04-04 11:59

自监督学习算法整理

FacebookAIResearch(FAIR)：MoCov1&v2,SwAV，Simsiam,TwinsGoogleResearch,BrainTeam：SimCLRv1&v2DeepMindResearch：BYOL
赵小闹闹·2023-03-26 16:04

自监督学习-论文笔记

自监督学习近两年的一些比较好的方法：SimCLR,MoCo,BYOL。
xueliang_·2023-03-09 11:42

小样本中的自监督

自监督脉络SimCLR；SimCLRV2；BYOL；Moco；SimSiam一些典型操作原图地址WhenDoesSelf-supervisionImproveFew-shotLearning?
DeepWWJ·2023-01-10 13:33

张俊林：对比学习研究进展精要

，各路大神比如Hinton、YannLeCun、KaimingHe及一流研究机构比如Facebook、Google、DeepMind，都投入其中并快速提出各种改进模型：Moco系列、SimCLR系列、BYOL
夕小瑶·2023-01-10 12:11

对比学习（Contrastive Learning）:研究进展精要

，各路大神比如Hinton、YannLeCun、KaimingHe及一流研究机构比如Facebook、Google、DeepMind，都投入其中并快速提出各种改进模型：Moco系列、SimCLR系列、BYOL
c2a2o2·2023-01-10 12:09

自监督学习——旋转篇

自监督学习——旋转篇随着MoCo,SimCLR,BYOL等工作的提出将基于对比学习框架的自监督学习推到了一个新的风口，博主也写了一篇MoCov1原理解析，如果大家想了解基于对比学习的自监督学习基本原理可以参考一下这篇博客
PyBigStar·2022-12-29 02:40

BYOL论文精读

文章目录概要背景方法1.概述2.参数更新3.目标z'_ξ的构建和q_θ的预测结果结论个人看法概要本篇博客介绍了BootstrapYourOwnLatent(BYOL)方法，这是DeepMind和ImperialLondon
点PY·2022-12-24 10:24

CV领域的对比学习综述(下)

CV领域的对比学习综述(下)–潘登同学的深度学习笔记文章目录CV领域的对比学习综述(下)--潘登同学的深度学习笔记对比学习发展历程不用负样本BYOL整体思路网络架构BN层知道了副样本BYOL回应blogSimSiam
PD我是你的真爱粉·2022-12-23 17:46

一文详解图像中的无监督学习

作者丨凤舞九天来源丨PaperWeekly编辑丨极市平台导读本文主要介绍了CV领域内的无监督学习，内容主要包括Moco、Simclr、BYOL、SimSiam、SwAV、MAE、IPT，详细介绍了这些经典工作的亮点
Tom Hardy·2022-12-16 03:49

对比学习论文综述(part3不用负样本)

part3:不用负样本)其实第二阶段里讲的SwAV就已经有不用负样本的对比学习这个趋势了，它可以算是一个承上启下的工作,因为它也没有用负样本,它用的是聚类中心，但它毕竟还是有一个明确的对比的对象接下来要讲的BYOL
Jorko的浪漫宇宙·2022-12-13 21:49

盘点近期大热对比学习模型：MoCo/SimCLR/BYOL/SimSiam

©PaperWeekly原创·作者｜上杉翔二单位｜悠闲会研究方向｜信息检索很多大佬认为，深度学习的本质就是做两件事情：RepresentationLearning（表示学习）和InductiveBiasLearning（归纳偏好学习）。在表示学习方面，如果直接对语义进行监督学习，虽然表现很好，但是它需要很多的样本并且往往是需要对特定的任务进行设计，很难具有迁移性。所以难怪各位大佬们都纷纷为自监督学
PaperWeekly·2022-12-13 21:46

CV-对比学习-模型：MoCo/SimCLR/BYOL/SimSiam

很多大佬认为，深度学习的本质就是做两件事情：RepresentationLearning（表示学习）和InductiveBiasLearning（归纳偏好学习）。在表示学习方面，如果直接对语义进行监督学习，虽然表现很好，但是它需要很多的样本并且往往是需要对特定的任务进行设计，很难具有迁移性。所以难怪各位大佬们都纷纷为自监督学习站台，自监督是未来！自监督学习有大类方法，一个是生成方法一个对比方法，如
u013250861·2022-12-13 21:44

自监督学习系列（一）：基于 Pretext Task

后面SimCLR,MoCo,BYOL,SwAV等主流自监督学习算法相继被提出，自监督学习领域呈现出百花齐放，百家争鸣空前繁荣的景象。2021年末MAE更是将自监督学习带到了一个前所未有的新高度。
OpenMMLab·2022-12-13 18:06

不需要负样本对的SOTA的自监督学习方法：BYOL

点击上方“AI公园”，关注公众号，选择加“星标“或“置顶”作者：AbeFetterman,JoshAlbrecht编译：ronghuaiyang导读对自监督学习中学习的本质进行剖析，扩展了对比学习中负样本的概念，并不是一定要使用不同的图像才可以产生负样本，batchnormalization同样也可以产生负样本。概要与之前工作SimCLR和MoCo不同，最近的一篇来自DeepMind的论文"Boo
ronghuaiyang·2022-12-13 12:17

在文本和图像上的对比学习小综述~

作者：李明达来自：哈工大SCIR1.引言近两年，对比学习（ContrastiveLearning）在计算机视觉领域（CV）掀起了一波浪潮，MoCo[1]、SimCLR[2]、BYOL[3]、SimSiam
zenRRan·2022-12-02 17:23

【研一小白论文精读】《Broaden Your Views for Self-Supervised Video Learning》

BYOL《BootstrapYourOwnLatentANewApproachtoSelf-SupervisedLearning》之前不管是MoCO或者SimCLR都是有正负样本的，BYOL就已经没有负样本也能做对比学习
Titus W·2022-11-30 22:26

自监督学习BYOL《Bootstrap Your Own Latent：A New Approach to Self-Supervised Learning》

BYOL算法简要介绍。论文地址：byol论文链接。
44070509·2022-11-30 22:24

【学习笔记】李宏毅2021春机器学习课程第7.3节：自监督学习（三）

Few-shot”Learning2.2“One-shot”Learning2.3“Zero-shot”Learning3GPT模型在语音和影像上的应用3.1Image——SimCLR3.2Image-BYOL3.3SpeechApplication1
Harryline-lx·2022-11-30 22:53

【论文阅读】自监督学习--NIPS2020：Bootstrap Your Own Latent (BYOL, DeepMind)

BYOL不需要负样本也能在ImageNet上取得74.3%的top-1分类准确率。BYOL使用两个神经网络，online网络和targets网络
不瘦8斤的妥球球饼·2022-11-30 22:23

无监督对比学习之左脚踩右脚的BYOL《Bootstrap your own latent A new approach to self-supervised Learning》

背景在表示学习中，我们现在采用的框架本质是通过一个view的表示去预测相同图像其他view，能预测对说明抓住了图像的本质特征。但在做这样的预测时会有坍缩（collapse）的风险，意思是全都变成一个表示，那也可以做到预测自己。对比学习为了解决这个问题，将表示预测问题转换为了正负例判别问题，这样就迫使模型的输出是多样的，避免坍缩。灵感如何不用负例，也能学到好的表示呢？如果共用encoder，用MSE
我想静静，·2022-11-30 22:52

自监督学习系列(1) BYOL: Bootstrap Your Own Latent

目录相关信息主要思想讨论结果LinearevaluationonlmageNetSemi-supervisedtrainingonlmageNet（使用label数据进行微调）Ablationstudy补充首先粘贴一下论文的相关信息。Paper:Bootstrapyourownlatent:Anewapproachtoself-supervisedLearning地址:https://arxiv.
FancyCode Artist·2022-11-30 22:19

深度学习(自监督:BYOL)——Bootstrap Your Own Latent A New Approach to Self-Supervised Learning

文章目录前言BYOL简述个人思考实验前言该文章为deepmind团队出品，目前挂在arxiv上，并没有查到相应的发表记录。
菜到怀疑人生·2022-11-30 22:46

BYOL论文笔记(Bootstrap Your Own Latent A New Approach to Self-Supervised Learning)

BYOL论文笔记(BootstrapYourOwnLatentANewApproachtoSelf-SupervisedLearning)一、基本架构二、BYOL实现细节数据增强：使用在SimCLR中同样的一系列数据增强
Sunny_fairness·2022-11-30 22:15

论文笔记：Bootstrap Your Own Latent A New Approach to Self-Supervised Learning

论文笔记：BootstrapYourOwnLatentANewApproachtoSelf-SupervisedLearningabstract：介绍了BYOL网络（原理）：依赖两个网络，一个online
Jesse～Lau·2022-11-30 22:45

Bootstrap Your Own Latent: A New Approach to Self-Supervised Learning

BYOL依赖于两个神经网络，称为在线和目标网络，它们相互作用并相互学习。虽然最先进的方法依赖于负样本对，但BYOL不用负样本对就达到了先进水平。
YoooooL_·2022-11-30 22:13

经典论文学习笔记——13篇对比学习（Contrastive Learning）

以下是一些可以参考的博客：  对比学习串烧（李沐大神视频学习笔记）  CVPR2020-MoCo-无监督对比学习论文解读  无监督对比学习之MOCO  如何评价Deepmind自监督新作BYOL自监督学
gailj·2022-11-25 15:08

Exploring Simple Siamese Representation Learning 论文阅读

SimSiam论文阅读介绍SimSiam是一种自监督学习方法的结构，是基于Siamesenetworks结构提出的创新点没有使用负样本没有依赖大的batchsize没有使用momentumencoders（不同于BYOL
MiHao_YOUNG·2022-11-25 00:08

对比学习

本文将从SimCLR，MoCo,BYOL等多个模型为切入点做一个自监督学习的总结，相对于监督学习，这里的自监督任务是无需要标签的学习，可以很好的进行特征抽取模型训练这样很好的减少人工工作量,其泛化性能强
blackmanba_084b·2022-11-10 14:17

研究会2022.07.22--对比学习

会议主题：对比学习涉及算法：SimCLR：端到端对比学习MOCOv2BYOL文章以及论文：图解SimCLR框架-知乎图解SimCLR框架，用对比学习得到一个好的视觉预训练模型_ronghuaiyang的博客
理心炼丹·2022-07-25 16:15

BYOL(Bootstrap your own latent A new approach to self-supervised Learning)算法笔记

BootstrapyourownlatentAnewapproachtoself-supervisedLearning引导你自己潜在的自我监督学习的新方法论文链接：https://arxiv.org/abs/2006.07733复现代码：https://github.com/HibikiJie/BYOL
Hibiki阿杰·2022-03-16 19:17

ICCV‘21 | 论文速记 (Day 1)

在这篇文章中，作者在BYOL的基础上引入KNNLoss[1]，以便更好
没头脑的自留地·2021-11-16 16:33

自监督：BYOL；DetCon；SimSiam；SEER

2006.07733v3Bootstrapyourownlatent:Anewapproachtoself-supervisedLearning介绍了一种新的自监督图像表示学习方法，即Bootstrap-Your-Own-latential（BYOL
Valar_Morghulis·2021-04-19 10:09

阿里云专有宿主机（公测）发布

自带许可证上云（BYOL）随着迁移至阿里云的企业客户越来越多，自带许可证上云的诉求越来越强烈，也就是我们常
猫耳呀·2020-07-28 07:06

Check-Point-Security-Gateway-BYOL-R77.30-041.161

平台：CentOS类型：虚拟机镜像软件包：checkpointredhatsmartconsolebasicsoftwaresecurityvfw服务优惠价:按服务商许可协议云服务器费用:查看费用立即部署产品详情产品介绍云架构的广泛采纳受到企业转型愿望的推动，以提高效率、速度、敏捷性和成本控制。虽然与传统IT基础设施相比，云解决方案具有许多优势，但过时的安全方法不能满足云环境的动态性，使组织暴露于
ITknight·2020-07-11 12:42

阿里云专有宿主机（公测）发布

自带许可证上云（BYOL）随着迁移至阿里云的企业客户越来越多，自带许可证上云的诉求越来越强烈，也就
猫耳呀·2018-05-15 11:00

JavaOne 2009 – Day 2

今天有两个(Bringyourownlaptop,BYOL)Hands-on-lab要帮忙,这种动手实验室有两类,一种是大会提供电脑的,一种是参加者需要自己带笔记本的.象参加这种动手实验室的,一般需要提前用
Adali·2009-06-05 04:00

JavaOne 2009 – Day 2

今天有两个(Bringyourownlaptop,BYOL)Hands-on-lab要帮忙,这种动手实验室有两类,一种是大会提供电脑的,一种是参加者需要自己带笔记本的.象参加这种动手实验室的,一般需要提前用
isiqi·2009-06-05 04:00
上一页 1 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他