Pusautomātiskā objektu noteikšana
Pusautomātiskā objektu noteikšana trenē detektoru uz neliela marķētu attēlu kopuma un liela nemarķētu attēlu kopuma. Skolotāja modelis ģenerē pseidomarķējumus nemarķētiem attēliem, un skolēna modelis mācās gan no reāliem, gan no pseidomarķētiem datiem, ievērojami samazinot dārgo manuālo ierobežojošo rāmju anotēšanas slogu, vienlaikus sasniedzot precizitāti, kas konkurē ar pilnībā uzraudzītajiem bāzes modeļiem.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Method map
The neighbourhood of related methods — select a node to explore.
Avoti
- 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 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/lv/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.
- Instance segmentācijaDziļā mācīšanās↔ compare
- Objektu noteikšanaDziļā mācīšanās↔ compare
- Daļēji uzraudzīts konvolucionāls neironu tīklsDziļā mācīšanās↔ compare
- Puss-uzraudzīta attēlu klasifikācijaDziļā mācīšanās↔ compare
- Pārneses apmācība objektu noteikšanāDziļā mācīšanās↔ compare
- Vāji uzraudzīta objektu noteikšanaDziļā mācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →