Vision Transformer semisupervisado
El Vision Transformer semisupervisado aplica la arquitectura de autoatención basada en parches de ViT a entornos donde solo una fracción de las imágenes están etiquetadas, explotando grandes corpus no etiquetados a través de pseudoetiquetado, regularización de consistencia o tareas pretexto autosupervisadas antes de ajustar finamente en el pequeño conjunto etiquetado. Este enfoque logra una precisión casi supervisada incluso cuando las imágenes etiquetadas son escasas.
Leer el método completo
Inicia sesión con una cuenta gratuita para leer esta sección.
Method map
The neighbourhood of related methods — select a node to explore.
Fuentes
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12104–12113. link ↗
Cómo citar esta página
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/es/deep-learning/semi-supervised-vision-transformer
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.
- Vision Transformer (ViT) de ajuste finoAprendizaje profundo↔ compare
- Clasificación de imágenesAprendizaje profundo↔ compare
- Vision Transformer AutocontroladoAprendizaje profundo↔ compare
- Clasificación semisupervisada basada en BERTAprendizaje profundo↔ compare
- Red Neuronal Convolucional Semi-supervisadaAprendizaje profundo↔ compare
- Vision TransformerAprendizaje profundo↔ compare
¿Has visto un problema en esta página? Infórmanos o sugiere una corrección →