Machine learningMachine learning
自己教師あり能動学習
自己教師あり能動学習（SSL-AL）は、ラベル効率の高い機械学習パラダイムであり、自己教師あり目的関数を用いてラベルなしデータでモデルを事前学習させ、その後、能動学習の獲得関数を用いて最も情報量の多いラベルについて人間オラクルに戦略的に問い合わせます。その結果、完全に教師ありのアプローチで必要とされるアノテーションコストのわずかな割合で、強力な予測性能が得られます。
手法の全文を読む
会員限定
ログイン無料アカウントでログインすると、このセクションを読めます。
Method map
The neighbourhood of related methods — select a node to explore.
出典
- Bengar, J. Z., van de Weijer, J., Twardowski, B., & Raducanu, B. (2021). Reducing Label Effort: Self-Supervised Meets Active Learning. In Proceedings of the IEEE/CVF International Conference on Computer Vision Workshops (ICCVW), pp. 1631–1639. link ↗
- Zhan, X., Wang, Q., Huang, K.-H., Xiong, H., Dou, D., & Chan, A. B. (2022). A comparative survey of deep active learning. arXiv preprint arXiv:2203.13450. link ↗
このページの引用方法
ScholarGate. (2026, June 3). Self-supervised Active Learning (SSL-AL hybrid label-efficient framework). ScholarGate. https://scholargate.app/ja/machine-learning/self-supervised-active-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.
Compare side by side →