Machine learningDeep learning / NLP / CV
준지도 학습 이미지 분류
준지도 학습 이미지 분류는 소량의 레이블이 지정된 이미지와 훨씬 더 많은 양의 레이블이 없는 이미지를 함께 사용하여 딥 신경망을 학습시킵니다. 의사 레이블링(pseudo-labeling), 일관성 정규화(consistency regularization), 신뢰도 임계값 설정(confidence thresholding)과 같은 기법을 통해 모델은 레이블이 없는 데이터의 구조를 활용하여 비용이 많이 드는 수동 주석의 필요성을 극적으로 줄이면서 완전 지도 학습 정확도에 근접할 수 있습니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- Lee, D.-H. (2013). Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/ko/deep-learning/semi-supervised-image-classification
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.
- 미세 조정된 이미지 분류딥러닝↔ compare
- 이미지 분류딥러닝↔ compare
- 자기 지도 학습 이미지 분류딥러닝↔ compare
- 이미지 분류를 위한 전이 학습딥러닝↔ compare
- 약한 지도 학습 이미지 분류딥러닝↔ compare