Pašuzraudzītā pašmācība ar ierobežotu datu apjomu (Self-supervised Few-shot Learning)
Pašuzraudzītā pašmācība ar ierobežotu datu apjomu (SSL-FSL) apvieno pašuzraudzētu pirmapmācību uz lieliem neanotētiem korpusiem ar ierobežota datu apjoma meta-mācīšanos, lai modelis varētu atpazīt jaunas kategorijas tikai no dažiem anotētiem piemēriem. Apgūstot bagātīgas, pārnesamas reprezentācijas bez dārgām anotācijām, SSL-FSL risina fundamentālo uzraudzītās ierobežota datu apjoma metožu pudeļu kaklu: nepieciešamību pēc anotētiem atbalsta datiem lielā apjomā.
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
- Gidaris, S., Bursuc, A., Komodakis, N., Perez, P., & Cord, M. (2019). Boosting Few-Shot Visual Learning with Self-Supervision. Proceedings of the IEEE/CVF International Conference on Computer Vision (ICCV), 8059–8068. DOI: 10.1109/ICCV.2019.00815 ↗
- Su, J.-C., Maji, S., & Hariharan, B. (2020). When Does Self-Supervision Improve Few-Shot Learning? European Conference on Computer Vision (ECCV), Lecture Notes in Computer Science, vol 12371, 645–660. DOI: 10.1007/978-3-030-58571-6_38 ↗
Kā citēt šo lapu
ScholarGate. (2026, June 3). Self-supervised Few-shot Learning (SSL-FSL). ScholarGate. https://scholargate.app/lv/machine-learning/self-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.
- Siāmas neironu tīklsDziļā mācīšanās↔ compare
- Pārneses apmācībaMašīnmācīšanās↔ compare
Uz to atsaucas
Pamanījāt kļūdu šajā lapā? Ziņojiet vai ierosiniet labojumu →