Vision Transformer Semi-Supervised
Il Vision Transformer Semi-Supervised applica l'architettura di self-attention basata su patch del ViT a contesti in cui solo una frazione delle immagini è etichettata, sfruttando ampi corpora non etichettati tramite pseudo-etichettatura, regolarizzazione di consistenza o task pretestuali auto-supervisionati prima del fine-tuning sul piccolo set etichettato. Questo approccio raggiunge un'accuratezza quasi supervisionata anche quando le immagini etichettate sono scarse.
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.
Fonti
- 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 ↗
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/it/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.
- Vision Transformer con Fine-TuningApprendimento profondo↔ compare
- Classificazione di immaginiApprendimento profondo↔ compare
- Vision Transformer Auto-supervisionatoApprendimento profondo↔ compare
- Classificazione semi-supervisionata basata su BERTApprendimento profondo↔ compare
- Reti neurali convoluzionali semi-supervisionateApprendimento profondo↔ compare
- Vision TransformerApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →