Détection d'objets semi-supervisée
La détection d'objets semi-supervisée entraîne un détecteur sur un petit ensemble d'images étiquetées et un grand ensemble d'images non étiquetées. Un modèle enseignant génère des pseudo-étiquettes pour les images non étiquetées, et un modèle étudiant apprend à partir des données réelles et pseudo-étiquetées, réduisant considérablement le fardeau coûteux de l'annotation manuelle des boîtes englobantes tout en atteignant une précision comparable aux références entièrement supervisées.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/fr/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.
- Segmentation d'instancesApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- CNN convolutive semi-superviséeApprentissage profond↔ compare
- Classification d'images semi-superviséeApprentissage profond↔ compare
- Apprentissage par transfert avec détection d'objetsApprentissage profond↔ compare
- Détection d'objets faiblement superviséeApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →