S

Supervised Contrastive Learning Cifar10

由 keras-io 开发
这是一个采用监督对比学习技术训练的CIFAR-10图像分类模型,测试准确率达到81.06%
下载量 29
发布时间 : 3/2/2022
模型介绍
内容详情
替代品

模型简介

该模型使用监督对比学习方法在CIFAR-10数据集上进行训练,能够对10类常见物体(如飞机、汽车、鸟类等)进行图像分类。相比传统方法,采用对比学习提高了模型性能。

模型特点

监督对比学习
采用Prannay Khosla等人提出的监督对比学习方法,相比传统分类方法能学习到更具判别性的特征表示
性能提升
对比学习方法使模型在CIFAR-10上的测试准确率达到81.06%,比传统方法(79.88%)有所提高
轻量级实现
基于tf-keras实现,便于部署和集成

模型能力

图像分类
特征提取

使用案例

计算机视觉
物体识别
识别图像中的常见物体类别
在CIFAR-10数据集上达到81.06%准确率
教育演示
用于教学对比学习在计算机视觉中的应用