Semisupervidierte Objektdetektion
Semisupervidierte Objektdetektion trainiert einen Detektor auf einem kleinen Satz gelabelter Bilder und einem großen Satz ungelabelter Bilder. Ein Lehrermodell generiert Pseudolabels für ungelabelte Bilder, und ein Schülermodell lernt sowohl von echten als auch von pseudolabelten Daten, wodurch der aufwendige manuelle Aufwand für Bounding-Box-Annotationen drastisch reduziert wird, während eine Genauigkeit erzielt wird, die mit vollsupervidierten Basislinien konkurrenzfähig ist.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Sohn, K., Zhang, Z., Li, C.-L., Zhang, H., Lee, C.-Y., & Pfister, T. (2020). A Simple Semi-Supervised Learning Framework for Object Detection. arXiv preprint arXiv:2005.04757. link ↗
- Liu, Y.-C., Ma, C.-Y., He, Z., Kuo, C.-W., Chen, K., Zhang, P., Wu, B., Kira, Z., & Vajda, P. (2021). Unbiased Teacher for Semi-Supervised Object Detection. ICLR 2021. link ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/de/deep-learning/semi-supervised-object-detection
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.
- InstanzsegmentierungDeep Learning↔ compare
- ObjekterkennungDeep Learning↔ compare
- Semi-überwachtes Faltungsneuronales NetzDeep Learning↔ compare
- Semi-überwachte BildklassifikationDeep Learning↔ compare
- Transfer Learning mit ObjekterkennungDeep Learning↔ compare
- Schwach überwachte ObjektdetektionDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →