Machine learningMachine learning

준지도 소수샷 학습

준지도 소수샷 학습(Semi-supervised Few-shot Learning, SS-FSL)은 각 클래스당 소수의 레이블된 예시만을 사용하여 새로운 클래스를 분류하도록 모델을 훈련시키면서, 동시에 레이블 없는 데이터 풀을 활용하여 클래스 표현을 풍부하게 합니다. 메타 학습 에피소드와 레이블 없는 샘플에 대한 부드러운 의사 레이블 할당을 결합함으로써, 풍부한 레이블 없는 데이터가 사용 가능할 때 순수 지도 소수샷 방법보다 상당히 높은 정확도를 달성합니다.

MethodMind에서 열기곧 제공동영상곧 제공Download slides

방법 전문 읽기

회원 전용

무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.

로그인

Method map

The neighbourhood of related methods — select a node to explore.

준지도 소수샷 학습

퓨샷 학습 자기 지도 학습 준지도 학습 전이 학습 베이즈 소량 학습 앙상블 소수샷 학습 정규화된 소수샷 학습

출처

Ren, M., Triantafillou, E., Ravi, S., Snell, J., Swersky, K., Tenenbaum, J. B., Larochelle, H., & Zemel, R. S. (2018). Meta-learning for semi-supervised few-shot classification. In International Conference on Learning Representations (ICLR 2018). link ↗
Finn, C., Abbeel, P., & Levine, S. (2017). Model-agnostic meta-learning for fast adaptation of deep networks. In Proceedings of the 34th International Conference on Machine Learning (ICML 2017), PMLR 70, 1126–1135. link ↗

이 페이지 인용 방법

ScholarGate. (2026, June 3). Semi-supervised Few-shot Learning (SS-FSL). ScholarGate. https://scholargate.app/ko/machine-learning/semi-supervised-few-shot-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 →

이 방법을 참조하는 항목

베이즈 소량 학습 앙상블 소수샷 학습 정규화된 소수샷 학습

이 페이지에서 오류를 발견하셨나요? 신고하거나 수정을 제안하세요 →