Red Neuronal Convolucional Semi-supervisada
Una CNN semi-supervisada entrena una red convolucional en un pequeño conjunto de imágenes etiquetadas y un grupo mayor de imágenes no etiquetadas simultáneamente, utilizando técnicas como el pseudo-etiquetado y la regularización por consistencia para extraer señal supervisora de los datos no etiquetados. Esta estrategia reduce considerablemente la brecha de rendimiento causada por la escasez de anotaciones sin requerir esfuerzo adicional de etiquetado humano.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Mapa de métodos
El vecindario de métodos relacionados: selecciona un nodo para explorarlo.
+2 más
Fuentes
- 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 ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/es/deep-learning/semi-supervised-convolutional-neural-network
¿Qué método?
Coloca este método junto a sus parientes más cercanos y léelos lado a lado: la biblioteca pone los libros sobre la mesa; la elección es tuya.
- Red de Convolución (CNN) Ajustada FinamenteAprendizaje profundo↔ comparar
- Red Neuronal Convolucional AutosupervisadaAprendizaje profundo↔ comparar
- Clasificación de imágenes semi-supervisadaAprendizaje profundo↔ comparar
- Aprendizaje por transferencia con Red Neuronal ConvolucionalAprendizaje profundo↔ comparar
- Red Neuronal Convolucional Débilmente SupervisadaAprendizaje profundo↔ comparar
Citado por
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →