Ημι-εποπτευόμενο Συνελικτικό Νευρωνικό Δίκτυο
Ένα ημι-εποπτευόμενο CNN εκπαιδεύει ένα συνελικτικό δίκτυο ταυτόχρονα σε ένα μικρό σύνολο επισημασμένων εικόνων και σε μια μεγαλύτερη δεξαμενή μη επισημασμένων εικόνων, χρησιμοποιώντας τεχνικές όπως η ψευδο-επισήμανση (pseudo-labeling) και η ρύθμιση συνέπειας (consistency regularization) για την εξαγωγή εποπτικού σήματος από μη επισημασμένα δεδομένα. Αυτή η στρατηγική γεφυρώνει μεγάλο μέρος του κενού απόδοσης που προκαλείται από τις σπάνιες επισημάνσεις, χωρίς να απαιτεί πρόσθετη ανθρώπινη προσπάθεια επισήμανσης.
Διαβάστε ολόκληρη τη μέθοδο
Συνδεθείτε με δωρεάν λογαριασμό για να διαβάσετε αυτή την ενότητα.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Πηγές
- 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 ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/el/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.
- Βελτιστοποιημένο Συνελικτικό Νευρωνικό ΔίκτυοΒαθιά Μάθηση↔ compare
- Επιβλεπόμενο Συνελικτικό Νευρωνικό ΔίκτυοΒαθιά Μάθηση↔ compare
- Η ημι-επιβλεπόμενη ταξινόμηση εικόνωνΒαθιά Μάθηση↔ compare
- Εκμάθηση Μεταφοράς με Συνελικτικά Νευρωνικά ΔίκτυαΒαθιά Μάθηση↔ compare
- Ασθενώς Επιβλεπόμενο Συνελικτικό Νευρωνικό ΔίκτυοΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →