Η ημι-επιβλεπόμενη ταξινόμηση εικόνων
Η ημι-επιβλεπόμενη ταξινόμηση εικόνων εκπαιδεύει βαθιά νευρωνικά δίκτυα σε ένα μικρό σύνολο επισημασμένων εικόνων μαζί με μια πολύ μεγαλύτερη δεξαμενή μη επισημασμένων εικόνων. Τεχνικές όπως η ψευδο-επισημείωση, η κανονικοποίηση συνέπειας και η οριοθέτηση εμπιστοσύνης επιτρέπουν στο μοντέλο να αξιοποιήσει τη δομή των μη επισημασμένων δεδομένων, μειώνοντας δραματικά την ανάγκη για δαπανηρή χειροκίνητη επισήμανση, ενώ προσεγγίζει την πλήρως επιβλεπόμενη ακρίβεια.
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.
Πηγές
- Lee, D.-H. (2013). Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
Πώς να παραπέμψετε σε αυτή τη σελίδα
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/el/deep-learning/semi-supervised-image-classification
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.
- Εξειδικευμένη Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Κατηγοριοποίηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Αυτο-εποπτευόμενη Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Μεταφορά Μάθησης με Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
- Ασθενώς Επιβλεπόμενη Ταξινόμηση ΕικόνωνΒαθιά Μάθηση↔ compare
Αναφέρεται από
Εντοπίσατε πρόβλημα σε αυτή τη σελίδα; Αναφέρετέ το ή προτείνετε διόρθωση →