Полу-наблюдавано класифициране на изображения
Полу-наблюдаваното класифициране на изображения обучава дълбоки невронни мрежи върху малък набор от етикетирани изображения заедно с много по-голям набор от не етикетирани изображения. Техники като псевдо-етикетиране, регуляризация на консистентността и прагово филтриране на увереността позволяват на модела да използва структурата на не етикетираните данни, драстично намалявайки нуждата от скъпо ръчно анотиране, като същевременно се доближава до напълно наблюдавана точност.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Lee, D.-H. (2013). Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/bg/deep-learning/semi-supervised-image-classification
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 класификация на изображенияДълбоко обучение↔ compare
- Класификация на изображенияДълбоко обучение↔ compare
- Самообучаваща се класификация на изображенияДълбоко обучение↔ compare
- Трансферно обучение с класификация на изображенияДълбоко обучение↔ compare
- Слабо контролирана класификация на изображенияДълбоко обучение↔ compare
Цитиран в
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →