Aktív tanulás önfelügyelt tanulással
Az aktív tanulás és az önfelügyelt tanulás kombinációja az annotálatlan adatokat önfelügyelt előképzésen keresztül hasznosítja gazdag reprezentációk kiépítéséhez, majd egy aktív lekérdezési stratégiát alkalmaz a leginformatívabb példák kiválasztására emberi annotáció céljából, maximalizálva a modell teljesítményét szűkös címkézési keret mellett. Ez a hibrid megközelítés különösen erőteljes, ha kevés a címkézett adat, de nagy mennyiségű annotálatlan adat áll rendelkezésre.
A teljes módszer elolvasása
Jelentkezzen be ingyenes fiókkal a szakasz elolvasásához.
Method map
The neighbourhood of related methods — select a node to explore.
Források
- Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091. link ↗
- Wang, K., Zhang, D., Li, Y., Zhang, R., & Lin, L. (2016). Cost-Effective Active Learning for Deep Image Classification. IEEE Transactions on Circuits and Systems for Video Technology, 27(12), 2591–2600. DOI: 10.1109/TCSVT.2016.2589879 ↗
Hogyan hivatkozzon erre az oldalra
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/hu/machine-learning/active-learning-self-supervised-learning
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.
- Aktív tanulásGépi tanulás↔ compare
- Few-shot LearningGépi tanulás↔ compare
- Online tanulásGépi tanulás↔ compare
- Önfelügyelt tanulásGépi tanulás↔ compare
- Félfelügyelt tanulásGépi tanulás↔ compare
- Transzfer tanulásGépi tanulás↔ compare
Hibát talált ezen az oldalon? Jelentse, vagy javasoljon javítást →