Daļēji uzraudzīts konvolucionāls neironu tīkls
Dažādās pusuzraudzītā konvolucionālā neironu tīkla apmācība notiek, vienlaicīgi apmācot konvolucionālo tīklu uz neliela iezīmēta attēlu kopuma un lielākas neiezīmētu attēlu kopas, izmantojot tādas metodes kā pseidopazīmju piešķiršana un konsekvences regularizācija, lai iegūtu uzraudzības signālu no neiezīmētiem datiem. Šī stratēģija ievērojami samazina veiktspējas atšķirību, ko rada ierobežotās anotācijas, neprasot papildu cilvēka darbu anotēšanā.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Avoti
- Lee, D.-H. (2013). Pseudo-label: The simple and efficient semi-supervised learning method for deep neural networks. ICML Workshop on Challenges in Representation Learning. link ↗
- Tarvainen, A. & Valpola, H. (2017). Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/lv/deep-learning/semi-supervised-convolutional-neural-network
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.
- Fine-Tuned konvolucionālais neironu tīklsDziļā mācīšanās↔ compare
- Pašuzraudzīta konvolūciju neironu tīklsDziļā mācīšanās↔ compare
- Puss-uzraudzīta attēlu klasifikācijaDziļā mācīšanās↔ compare
- Pārneses apmācība ar konvolucionālo neironu tīkluDziļā mācīšanās↔ compare
- Vāji uzraudzīta konvolucionālā neironu tīklsDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →