آشکارسازی اشیاء با نظارت نیمهخودکار
آشکارسازی اشیاء با نظارت نیمهخودکار، یک آشکارساز را بر روی مجموعهای کوچک از تصاویر برچسبدار و مجموعهای بزرگ از تصاویر بدون برچسب آموزش میدهد. یک مدل معلم، برچسبهای شبه (pseudo-labels) را برای تصاویر بدون برچسب تولید میکند و یک مدل دانشآموز از دادههای واقعی و دادههای برچسبدار شبه یاد میگیرد و در عین حال بار پرهزینه حاشیهنویسی دستی جعبههای مرزی را به شدت کاهش میدهد و به دقتی رقابتی با روشهای کاملاً نظارتشده دست مییابد.
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
- Sohn, K., Zhang, Z., Li, C.-L., Zhang, H., Lee, C.-Y., & Pfister, T. (2020). A Simple Semi-Supervised Learning Framework for Object Detection. arXiv preprint arXiv:2005.04757. link ↗
- Liu, Y.-C., Ma, C.-Y., He, Z., Kuo, C.-W., Chen, K., Zhang, P., Wu, B., Kira, Z., & Vajda, P. (2021). Unbiased Teacher for Semi-Supervised Object Detection. ICLR 2021. link ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/fa/deep-learning/semi-supervised-object-detection
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.
- برش زنی نمونه (Instance Segmentation)یادگیری عمیق↔ compare
- تشخیص اشیاءیادگیری عمیق↔ compare
- شبکه عصبی کانولوشنی نیمهنظارتشدهیادگیری عمیق↔ compare
- طبقهبندی تصویر نیمهنظارتشدهیادگیری عمیق↔ compare
- یادگیری انتقالی با تشخیص اشیاءیادگیری عمیق↔ compare
- تشخیص اشیاء با نظارت ضعیفیادگیری عمیق↔ compare
ارجاعشده در
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →