Semi-overvåget Convolutional Neural Network
Et semi-overvåget CNN træner et konvolutionelt netværk på et lille mærket billeddatasæt og en større pulje af umærkede billeder samtidigt, ved hjælp af teknikker som pseudo-mærkning og konsistensregularisering til at udtrække et superviserende signal fra umærkede data. Denne strategi lukker meget af præstationsgabet forårsaget af knappe annotationer uden at kræve yderligere menneskelig mærkningsindsats.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/da/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.
- Finetunet Convolutional Neural NetworkDyb læring↔ compare
- Selvovervåget konvolutionelt neuralt netværkDyb læring↔ compare
- Semi-overvåget billedklassifikationDyb læring↔ compare
- Transferlæring med konvolutionelle neurale netværkDyb læring↔ compare
- Svagt overvåget konvolutionelt neuralt netværkDyb læring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →