Pusuzraudzīts redzes transformators (Semi-supervised Vision Transformer)
Pusuzraudzīts redzes transformators (Semi-supervised Vision Transformer) pielieto ViT uz plāksteriem balstītu paškontroles arhitektūru apstākļos, kur marķēta ir tikai daļa attēlu, izmantojot lielas nemarķētas korpusus ar pseido-marķēšanu, konsistences regularizāciju vai pašuzraudzītus priekšuzdevumus pirms precizēšanas uz mazās marķētās kopas. Šī pieeja sasniedz gandrīz uzraudzītu precizitāti pat tad, ja marķēti attēli ir reti.
Lasīt pilno metodes aprakstu
Piesakieties ar bezmaksas kontu, lai lasītu šo sadaļu.
Metožu karte
Saistīto metožu apkaime — atlasiet mezglu, lai izpētītu.
Avoti
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12104–12113. link ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/lv/deep-learning/semi-supervised-vision-transformer
Kura metode?
Novietojiet šo metodi blakus tās tuvākajām radniecīgajām metodēm un lasiet tās līdzās — bibliotēka noliek grāmatas uz galda; izvēle ir jūsu.
- Pielāgotais Vision TransformerDziļā mācīšanās↔ salīdzināt
- Attēlu klasifikācijaDziļā mācīšanās↔ salīdzināt
- Self-supervised Vision TransformerDziļā mācīšanās↔ salīdzināt
- Pusautomātiskā klasifikācija, kas balstīta uz BERTDziļā mācīšanās↔ salīdzināt
- Daļēji uzraudzīts konvolucionāls neironu tīklsDziļā mācīšanās↔ salīdzināt
- Vision TransformerDziļā mācīšanās↔ salīdzināt
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →