طبقهبندی تصویر نیمهنظارتشده
طبقهبندی تصویر نیمهنظارتشده، شبکههای عصبی عمیق را بر روی مجموعهای کوچک از تصاویر برچسبدار به همراه مجموعهای بسیار بزرگتر از تصاویر بدون برچسب آموزش میدهد. تکنیکهایی مانند برچسبزنی کاذب (pseudo-labeling)، تنظیم سازگاری (consistency regularization) و آستانهگذاری اطمینان (confidence thresholding) به مدل اجازه میدهند تا از ساختار دادههای بدون برچسب بهره ببرد و نیاز به حاشیهنویسی دستی پرهزینه را به شدت کاهش دهد و در عین حال به دقت طبقهبندی کاملاً نظارتشده نزدیک شود.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/fa/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.
- طبقهبندی تصویر با تنظیم دقیق (Fine-Tuned Image Classification)یادگیری عمیق↔ compare
- طبقهبندی تصویریادگیری عمیق↔ compare
- طبقهبندی تصویر خودنظارتییادگیری عمیق↔ compare
- یادگیری انتقالی با طبقهبندی تصویریادگیری عمیق↔ compare
- دستهبندی تصاویر با نظارت ضعیفیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →