Klasifikasi Imej Separuh-Selia
Klasifikasi imej separuh-selia melatih rangkaian saraf dalam (deep neural networks) pada sejumlah kecil imej berlabel bersama dengan kumpulan imej tak berlabel yang jauh lebih besar. Teknik seperti pseudo-labeling, regularisasi konsistensi, dan ambang keyakinan membolehkan model memanfaatkan struktur data tak berlabel, mengurangkan keperluan anotasi manual yang mahal secara dramatik sambil menghampiri ketepatan separa-selia penuh.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Lee, D.-H. (2013). Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/ms/deep-learning/semi-supervised-image-classification
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.
- Klasifikasi Imej Halus-TalaPembelajaran Mendalam↔ compare
- Klasifikasi ImejPembelajaran Mendalam↔ compare
- Pengelasan Imej Penyeliaan KendiriPembelajaran Mendalam↔ compare
- Pembelajaran Pemindahan dengan Pengelasan ImejPembelajaran Mendalam↔ compare
- Klasifikasi Imej Berbantukan KelemahanPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →