Reti neurali convoluzionali semi-supervisionate
Una CNN semi-supervisionata addestra una rete convoluzionale su un piccolo set di immagini etichettate e un pool più ampio di immagini non etichettate simultaneamente, utilizzando tecniche come lo pseudo-labeling e la regolarizzazione della consistenza per estrarre segnali di supervisione dai dati non etichettati. Questa strategia colma gran parte del divario prestazionale causato da annotazioni scarse senza richiedere sforzi aggiuntivi di etichettatura umana.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fonti
- Lee, D.-H. (2013). Pseudo-label: The simple and efficient semi-supervised learning method for deep neural networks. ICML Workshop on Challenges in Representation Learning. link ↗
- Tarvainen, A. & Valpola, H. (2017). Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/it/deep-learning/semi-supervised-convolutional-neural-network
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.
- Convolutional Neural Network Fine-TunedApprendimento profondo↔ compare
- Rete Neurale Convoluzionale Auto-SupervisionataApprendimento profondo↔ compare
- Classificazione di immagini semi-supervisionataApprendimento profondo↔ compare
- Transfer Learning con Convolutional Neural NetworkApprendimento profondo↔ compare
- Rete Neurale Convoluzionale Debolmente SupervisionataApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →