ScholarGate
Asszisztens
Machine learningDeep learning / NLP / CV

Félfelügyelt Vision Transformer

A félfelügyelt Vision Transformer (ViT) a ViT patch-alapú ön-figyelmi (self-attention) architektúráját olyan környezetekben alkalmazza, ahol a képeknek csak egy töredéke címkézett. E módszer nagyméretű címkézetlen adathalmazokat használ ki álcímkézés (pseudo-labeling), konzisztencia-regularizáció vagy önfelügyelt előfeladatok (pretext tasks) révén, mielőtt a kis méretű címkézett adathalmazon finomhangolná a modellt. Ez az eljárás közel felügyelt pontosságot ér el még akkor is, ha a címkézett képek száma csekély.

Megnyitás itt: MethodMindHamarosanVideóHamarosanDownload slides

A teljes módszer elolvasása

Csak tagoknak

Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.

Bejelentkezés

Method map

The neighbourhood of related methods — select a node to explore.

Források

  1. 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
  2. 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

Hogyan hivatkozzon erre az oldalra

ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/hu/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.

Compare side by side
ScholarGateSemi-supervised Vision Transformer (Semi-supervised Vision Transformer (Semi-supervised ViT)). Letöltve 2026-06-15, forrás: https://scholargate.app/hu/deep-learning/semi-supervised-vision-transformer · Adatkészlet: https://doi.org/10.5281/zenodo.20539026