Puoliohjattu kuvien luokittelu
Puoliohjattu kuvien luokittelu kouluttaa syviä neuroverkkoja pienellä joukolla merkittyjä kuvia yhdessä paljon suuremman merkitsemättömien kuvien joukon kanssa. Tekniikat, kuten pseudomerkintä, konsistenssin regularisointi (consistency regularization) ja luottamuskynnys (confidence thresholding), antavat mallille mahdollisuuden hyödyntää merkitsemättömän datan rakennetta, mikä vähentää dramaattisesti kalliin manuaalisen annotoinnin tarvetta samalla kun lähestytään täysin ohjatun oppimisen tarkkuutta.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/fi/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.
- Hienosäädetty kuvien luokitteluSyväoppiminen↔ compare
- KuvanluokitteluSyväoppiminen↔ compare
- Itseohjautuva kuvien luokitteluSyväoppiminen↔ compare
- Siirto-oppiminen kuvien luokittelussaSyväoppiminen↔ compare
- Heikosti valvottu kuvien luokitteluSyväoppiminen↔ compare
Tähän viittaavat
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →