Apprendimento attivo con apprendimento auto-supervisionato
L'apprendimento attivo combinato con l'apprendimento auto-supervisionato sfrutta dati non etichettati attraverso il pre-addestramento auto-supervisionato per costruire rappresentazioni ricche, quindi utilizza una strategia di query attiva per selezionare gli esempi più informativi per l'annotazione umana, massimizzando le prestazioni del modello con un budget di etichettatura limitato. Questo approccio ibrido è particolarmente potente quando i dati etichettati sono scarsi ma esistono ampi pool di dati non etichettati.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/it/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.
- Active LearningApprendimento automatico↔ compare
- Few-shot LearningApprendimento automatico↔ compare
- Apprendimento OnlineApprendimento automatico↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Apprendimento per trasferimentoApprendimento automatico↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →