Polozavedená konvoluční neuronová síť
Polozavedená CNN trénuje konvoluční síť na malé sadě označených obrázků a větším souboru neoznačených obrázků současně, s využitím technik, jako je pseudoznačkování a regularizace konzistence, k extrakci supervizního signálu z neoznačených dat. Tato strategie snižuje velkou část výkonnostní mezery způsobené nedostatečnými anotacemi, aniž by vyžadovala další úsilí při lidském značkování.
Přečíst celou metodu
Pro přečtení této sekce se přihlaste s bezplatným účtem.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Zdroje
- 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 ↗
Jak citovat tuto stránku
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/cs/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.
- Jemně doladěná konvoluční neuronová síťHluboké učení↔ compare
- Konvoluční neuronová síť se samoučenímHluboké učení↔ compare
- Polo-dohledná klasifikace obrazuHluboké učení↔ compare
- Přenosové učení s konvoluční neuronovou sítíHluboké učení↔ compare
- Konvoluční neuronová síť se slabým dohledemHluboké učení↔ compare
Odkazuje sem
Našli jste na této stránce chybu? Nahlaste ji nebo navrhněte opravu →