Полу-наблюдаван Трансформър за Визия
Полу-наблюдаваният Трансформър за Визия (Semi-supervised Vision Transformer) прилага базираната на пачове архитектура за само-внимание на ViT към настройки, където само част от изображенията са етикетирани, експлоатирайки големи немаркирани корпуси чрез псевдо-етикетиране, регуляризация на консистентността или само-наблюдавани предварителни задачи преди фино настройване върху малкия етикетиран набор. Този подход постига почти наблюдавана точност дори когато етикетираните изображения са оскъдни.
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
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12104–12113. link ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/bg/deep-learning/semi-supervised-vision-transformer
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.
- Фино настроен Vision TransformerДълбоко обучение↔ compare
- Класификация на изображенияДълбоко обучение↔ compare
- Трансформер за зрение със самообучениеДълбоко обучение↔ compare
- Полу-наблюдавана класификация, базирана на BERTДълбоко обучение↔ compare
- Полу-наблюдавана конволюционна невронна мрежаДълбоко обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →