わずか1%のラベルでImageNet高精度「SimCLR」解説

3つの要点 ✔️ SimCLRは画像認識のSelf-SupervisedモデルのSoTAで、Supervisedモデルにも匹敵する精度 ✔️ 最適なData AugmentationとContrastive Lossを組み合わせたことで高精度 ✔️ わずか1%ラベルのImageNetにおいても、Top-5精度85.8% A Simple Framework for Contrastive Learning of Visual Representations written byTing Chen, Simon Kornblith, Mohammad Norouzi, Geoffrey Hinton (Submitted on 13 Feb 2020 (v1), last revised 30 Mar 2020 (this version, v2))) Comments: Publised

[misshiki]

A Simple Framework for Contrastive Learning of Visual Representations “SimCLRは画像認識のSelf-SupervisedモデルのSoTAで、Supervisedモデルにも匹敵する精度”