ScholarGate
Assistent
Machine learningDeep learning / NLP / CV

Poolitud järelevalvega nägemustransformaator

Poolitud järelevalvega nägemustransformaator (Semi-supervised Vision Transformer) rakendab ViT-i plaadipõhist ise-tähelepanu arhitektuuri (patch-based self-attention architecture) stsenaariumides, kus vaid murdosa piltidest on märgistatud, kasutades suuri märgistamata andmehulkasid läbi pseudo-märgistamise (pseudo-labeling), konsistentsusregulariseerimise (consistency regularization) või ise-järelevalve eel-ülesannete (self-supervised pretext tasks) enne väikese märgistatud andmehulgaga peenhäälestamist. See lähenemisviis saavutab peaaegu järelevalvega täpsuse (near-supervised accuracy) isegi siis, kui märgistatud pilte on vähe.

Ava rakenduses MethodMindPeagiVideoPeagiDownload slides

Loe meetodi täielikku kirjeldust

Ainult liikmetele

Selle osa lugemiseks logi sisse tasuta kontoga.

Logi sisse

Method map

The neighbourhood of related methods — select a node to explore.

Allikad

  1. 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
  2. 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

Kuidas sellele lehele viidata

ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/et/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.

Compare side by side
ScholarGateSemi-supervised Vision Transformer (Semi-supervised Vision Transformer (Semi-supervised ViT)). Loetud 2026-06-15 aadressilt https://scholargate.app/et/deep-learning/semi-supervised-vision-transformer · Andmestik: https://doi.org/10.5281/zenodo.20539026