Enesest juhendatud väheste näidistega õppimine
Enesest juhendatud väheste näidistega õppimine (SSL-FSL) ühendab enesest juhendatud eelõppe suurtel märgistamata andmemahtudel väheste näidistega metaõppega, et mudel saaks uusi kategooriaid tuvastada vaid käputäie märgistatud näidetega. Õppides rikkalikke, ülekantavaid representatsioone ilma kuluka märgistamiseta, lahendab SSL-FSL järelevalvega väheste näidistega meetodite põhilise kitsaskoha: vajadus märgistatud tugiandmete järele suures mahus.
Loe meetodi täielikku kirjeldust
Selle osa lugemiseks logi sisse tasuta kontoga.
Method map
The neighbourhood of related methods — select a node to explore.
Allikad
- Gidaris, S., Bursuc, A., Komodakis, N., Perez, P., & Cord, M. (2019). Boosting Few-Shot Visual Learning with Self-Supervision. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 8059–8068. DOI: 10.1109/ICCV.2019.00815 ↗
- Su, J.-C., Maji, S., & Hariharan, B. (2020). When Does Self-Supervision Improve Few-Shot Learning? European Conference on Computer Vision (ECCV), Lecture Notes in Computer Science, vol 12371, 645–660. DOI: 10.1007/978-3-030-58571-6_38 ↗
Kuidas sellele lehele viidata
ScholarGate. (2026, June 3). Self-supervised Few-shot Learning (SSL-FSL). ScholarGate. https://scholargate.app/et/machine-learning/self-supervised-few-shot-learning
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.
- Siiami närvivõrkSüvaõpe↔ compare
- ÜlekandeõpeMasinõpe↔ compare
Sellele viitavad
Märkasid sellel lehel viga? Teata sellest või paku parandust →