Puoliohjattu Vision Transformer
Puoliohjattu Vision Transformer soveltaa ViT:n paikkapohjaista itsehuomiorakennetta tilanteisiin, joissa vain osa kuvista on merkitty. Se hyödyntää suuria merkitsemättömiä aineistoja pseudomerkinnän, konsistenssisäännöllistämisen tai itseohjattujen esitehtävien avulla ennen hienosäätöä pienellä merkityllä joukolla. Tämä lähestymistapa saavuttaa lähes ohjatun oppimisen tarkkuuden, vaikka merkittyjä kuvia olisi niukasti.
Lue koko menetelmä
Kirjaudu sisään maksuttomalla tilillä lukeaksesi tämän osion.
Method map
The neighbourhood of related methods — select a node to explore.
Lähteet
- 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 ↗
- 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 ↗
Näin viittaat tähän sivuun
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/fi/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.
- Hienosäädetty Vision TransformerSyväoppiminen↔ compare
- KuvanluokitteluSyväoppiminen↔ compare
- Itseohjautuva Vision TransformerSyväoppiminen↔ compare
- Puoliohjattu BERT-pohjainen luokitteluSyväoppiminen↔ compare
- Puolivalvottu konvoluutioneuroverkkoSyväoppiminen↔ compare
- Vision TransformerSyväoppiminen↔ compare
Huomasitko virheen tällä sivulla? Ilmoita siitä tai ehdota korjausta →