Deteksi Objek Semi-Terawasi
Deteksi objek semi-terawasi melatih sebuah detektor pada sekumpulan kecil citra berlabel dan sekumpulan besar citra tak berlabel. Sebuah model guru (teacher model) menghasilkan label semu (pseudo-labels) untuk citra tak berlabel, dan sebuah model murid (student model) belajar dari data berlabel asli maupun berlabel semu, secara dramatis mengurangi beban anotasi kotak pembatas (bounding-box) manual yang mahal sambil mencapai akurasi yang kompetitif dengan metode dasar terawasi penuh.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/id/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.
- Segmentasi InstansPembelajaran Mendalam↔ compare
- Deteksi ObjekPembelajaran Mendalam↔ compare
- Convolutional Neural Network Semi-terawasiPembelajaran Mendalam↔ compare
- Klasifikasi Citra Semi-TerawasiPembelajaran Mendalam↔ compare
- Transfer Learning untuk Deteksi ObjekPembelajaran Mendalam↔ compare
- Deteksi Objek Berpengawasan LemahPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →