自监督学习

自监督学习（SSL）是一种机器学习范式，系统通过从数据本身生成自身的监督信号来理解数据，而非依赖外部人工提供的标签。在传统 监督学习中，模型需要大量人工标注数据——例如标记为"猫"或"狗"的图像——其生产过程耗时耗资。SSL通过创建"伪任务"突破这一瓶颈：模型需预测输入数据中隐藏或缺失的部分，从而自主学习复杂任务（如 物体检测 和 分类等复杂任务所需的底层结构与特征。

自监督学习的核心机制

SSL的基本原理是掩盖或隐藏部分数据，并迫使 神经网络（NN） 进行数据重建或预测同一数据不同视图间的关联关系。该过程可生成丰富且通用的表示形式，后续可针对特定下游应用进行微调。

SSL 主要包含两种方法：

• 生成方法：模型通过学习生成像素或单词来填补空白。在 自然语言处理（NLP） 是预测句子中的下一个单词。在计算机视觉领域，诸如 遮蔽自编码器（MAE） 会遮蔽图像的随机区域，要求模型重建缺失像素，从而迫使模型"理解"视觉上下文。
• 对比学习：该方法通过应用数据增强技术，使模型学会区分相似与相异的数据点。 数据增强 ——例如裁剪、颜色抖动或旋转——模型学会将这些修改版本视为同一物体（正样本对），同时将其他图像视为不同物体（负样本对）。 主流框架如 SimCLR 等主流框架 均高度依赖此原理。

实际应用

自监督学习已成为构建强大 基础模型 的基石。其利用海量无标签数据的能力使其具备高度可扩展性。

• 医学影像：获取专家标注的医学扫描数据既困难又昂贵。自监督学习（SSL）使模型能够在数千张未标注的X光片或MRI扫描图像上进行预训练，从而学习通用解剖特征。该预训练模型随后可通过少量标注样本进行微调，以实现高精度的 肿瘤检测 或疾病诊断。
• 自动驾驶：无人驾驶汽车每天产生数TB的视频数据。超监督学习（SSL）使这些系统能够从原始视频素材中学习时间动态和空间理解，而无需逐帧标注。这有助于提升 车道检测 和障碍物规避能力，通过预测未来帧或物体运动实现。

区分SSL与相关术语

区分SSL与 无监督学习。虽然两种方法都利用无标签数据，但无监督学习通常侧重于发现隐藏模式或 分组（聚类），而无需特定的预测任务。相反，SSL将学习过程定义为 监督任务，其中标签由数据结构本身自动生成。此外， 半监督学习 结合少量标注数据与海量无标记数据，而纯SSL则在任何微调发生前，完全从无标记数据集中自主生成标签。

在Ultralytics中使用预训练权重

在Ultralytics 中，诸如 YOLO26 等模型在预训练阶段（通常在ImageNet等海量数据集上进行）显著受益于先进的训练策略，这些策略往往融入了类似自监督学习（SSL）的原理。 ImageNet 或 COCO。这确保当用户为特定任务部署模型时，特征提取器已具备稳健性。

用户可利用这些强大的预训练表示，通过 Ultralytics 。

以下是一个简洁示例，演示如何加载预训练的YOLO26模型，并利用其在初始大规模训练中习得的特征，开始在新数据集上进行微调：

from ultralytics import YOLO

# Load a pre-trained YOLO26 model (weights learned from large-scale data)
model = YOLO("yolo26n.pt")

# Fine-tune the model on a specific dataset (e.g., COCO8)
# This leverages the robust feature representations learned during pre-training
results = model.train(data="coco8.yaml", epochs=50, imgsz=640)

SSL的未来

在Meta AI等大型实验室的研究人员 Meta AI 和 Google 不断完善这些技术， 安全监督学习（SSL）正在突破生成式人工智能的边界。 生成式人工智能 和计算机视觉领域不断拓展可能性的边界。 通过降低对标注数据的依赖，自监督学习正推动高性能人工智能的普及化，使小型团队也能为 野生动物保护 或 工业检测。