【技术实现步骤摘要】
本公开总体上涉及计算机领域，并且更具体地涉及用于训练编码器的方法、电子设备以及计算机可读存储介质。
技术介绍
1、自监督学习(ssl)是一种机器学习的方式，其通过利用海量的无标注数据来进行表征学习。相比于监督学习要依赖于大量的已标注的样本数据来训练神经网络模型，自监督学习由于无需对数据进行标注，而是通过利用数据的某些属性来设置伪监督任务以代替数据标注，因此，自监督学习得到了广泛的关注并取得了快速发展。
技术实现思路
1、根据本公开的示例实施例，提供了一种用于训练编码器的方法、电子设备以及计算机存储介质。
2、在本公开的第一方面，提供了一种用于训练编码器的方法，包括：对样本图像中的多个实例进行第一组合和第二组合，以分别获得第一场景视图和第二场景视图；基于第一场景视图和第二场景视图，确定场景间的第一损失；基于多个实例、第一场景视图和第二场景视图，确定场景与实例间的第二损失；以及基于场景间的第一损失和场景与实例间的第二损失，训练编码器，以获得经训练的编码器。
3、在本公开...
【技术保护点】
1.一种用于训练编码器的方法，所述方法包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求2所述的方法，其中所述编码器包括第一网络和第二网络，并且其中确定跨图像实例间的第三损失包括：
4.根据权利要求2所述的方法，其中训练所述编码器还包括：
5.根据权利要求2所述的方法，其中确定所述样本图像中的至少一个建议实例，包括：
6.根据权利要求5所述的方法，其中从所述邻近样本图像中获取与所述样本图像中的所述至少一个建议实例分别匹配的至少一个匹配实例，包括：
7.根据权利要求1所述的方法，还包括
8....
【技术特征摘要】
1.一种用于训练编码器的方法，所述方法包括：
2.根据权利要求1所述的方法，还包括：
3.根据权利要求2所述的方法，其中所述编码器包括第一网络和第二网络，并且其中确定跨图像实例间的第三损失包括：
4.根据权利要求2所述的方法，其中训练所述编码器还包括：
5.根据权利要求2所述的方法，其中确定所述样本图像中的至少一个建议实例，包括：
6.根据权利要求5所述的方法，其中从所述邻近样本图像中获取与所述样本图像中的所述至少一个建议实例分别匹配的至少一个匹配实例，包括：
7.根据权利要求1所述的方法，还包括：
8.根据权利要求7所述的方法，其中，
9.根据权利要求1所述的方法，其中所述编码器包括第一网络和第二网络，并且其中基于所述多个实例、所述第一场景视图和所述第二场景视图，确定场景与实例间的第二损失，包括：
【专利技术属性】
技术研发人员：罗宇辰，袁泽寰，张少锋，严骏驰，
申请(专利权)人：北京有竹居网络技术有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。