Vision Transformer Semisupervisat
El Vision Transformer Semisupervisat (ViT Semisupervisat) aplica l'arquitectura d'autoatenció basada en pegats del ViT a entorns on només una fracció d'imatges estan etiquetades, aprofitant grans corpus no etiquetats mitjançant pseudo-etiquetatge, regularització de consistència o tasques pretextes auto-supervisades abans del reajustament (fine-tuning) en el petit conjunt etiquetat. Aquest enfocament aconsegueix una precisió propera a la supervisada fins i tot quan les imatges etiquetades són escasses.
Llegeix el mètode complet
Inicia la sessió amb un compte gratuït per llegir aquesta secció.
Method map
The neighbourhood of related methods — select a node to explore.
Fonts
- 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 ↗
Com citar aquesta pàgina
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/ca/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.
- Vision Transformer ajustat (Fine-Tuned Vision Transformer)Aprenentatge profund↔ compare
- Classificació d'imatgesAprenentatge profund↔ compare
- Vision Transformer auto-supervisatAprenentatge profund↔ compare
- Classificació semi-supervisada basada en BERTAprenentatge profund↔ compare
- Xarxa neuronal convolucional semisupervisadaAprenentatge profund↔ compare
- Vision TransformerAprenentatge profund↔ compare
Has vist cap problema en aquesta pàgina? Informa'n o suggereix una correcció →