Полу-наблюдавана конволюционна невронна мрежа
Полу-наблюдавана КНМ обучава конволюционна мрежа върху малък набор от етикетирани изображения и по-голям набор от нетикетирани изображения едновременно, използвайки техники като псевдо-етикетиране и регуляризация на консистентността, за да извлече обучителен сигнал от нетикетирани данни. Тази стратегия намалява значително разликата в производителността, причинена от оскъдни анотации, без да изисква допълнителни усилия за човешко етикетиране.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Източници
- Lee, D.-H. (2013). Pseudo-label: The simple and efficient semi-supervised learning method for deep neural networks. ICML Workshop on Challenges in Representation Learning. link ↗
- Tarvainen, A. & Valpola, H. (2017). Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/bg/deep-learning/semi-supervised-convolutional-neural-network
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Фина настройка на конволюционна невронна мрежаДълбоко обучение↔ compare
- Самообучаваща се конволюционна невронна мрежаДълбоко обучение↔ compare
- Полу-наблюдавано класифициране на изображенияДълбоко обучение↔ compare
- Трансферно обучение с конволюционна невронна мрежаДълбоко обучение↔ compare
- Слабо наблюдавани конволюционни невронни мрежиДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →