Machine learningDeep learning / NLP / CV
준지도 학습 객체 탐지 (Semi-supervised Object Detection)
준지도 학습 객체 탐지는 소량의 레이블이 지정된 이미지 세트와 대량의 레이블이 지정되지 않은 이미지 세트로 탐지기를 학습시킵니다. 교사 모델(teacher model)이 레이블이 지정되지 않은 이미지에 대한 의사 레이블(pseudo-label)을 생성하고, 학생 모델(student model)은 실제 레이블이 지정된 데이터와 의사 레이블이 지정된 데이터를 모두 사용하여 학습함으로써, 완전 지도 학습 기반과 경쟁력 있는 정확도를 달성하면서도 비싼 수동 경계 상자 주석 부담을 크게 줄입니다.
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
- Sohn, K., Zhang, Z., Li, C.-L., Zhang, H., Lee, C.-Y., & Pfister, T. (2020). A Simple Semi-Supervised Learning Framework for Object Detection. arXiv preprint arXiv:2005.04757. link ↗
- Liu, Y.-C., Ma, C.-Y., He, Z., Kuo, C.-W., Chen, K., Zhang, P., Wu, B., Kira, Z., & Vajda, P. (2021). Unbiased Teacher for Semi-Supervised Object Detection. ICLR 2021. link ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/ko/deep-learning/semi-supervised-object-detection
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.
- 인스턴스 분할딥러닝↔ compare
- 객체 탐지딥러닝↔ compare
- 준지도학습 합성곱 신경망딥러닝↔ compare
- 준지도 학습 이미지 분류딥러닝↔ compare
- 객체 탐지를 위한 전이 학습딥러닝↔ compare
- 약지도 객체 탐지딥러닝↔ compare