Semi-supervised Image Classification
Semi-supervised image classification traint diepe neurale netwerken op een kleine set gelabelde beelden, samen met een veel grotere pool van ongelabelde beelden. Technieken zoals pseudo-labeling, consistentie-regularisatie en betrouwbaarheidsdrempelwaardes stellen het model in staat om de structuur van ongelabelde data te benutten, waardoor de noodzaak voor dure handmatige annotatie drastisch wordt verminderd, terwijl de nauwkeurigheid van volledig-gesuperviseerd leren wordt benaderd.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/nl/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.
- Fijnafgestemde beeldclassificatieDeep learning↔ compare
- BeeldclassificatieDeep learning↔ compare
- Zelfgesuperviseerde beeldclassificatieDeep learning↔ compare
- Transfer Learning met BeeldclassificatieDeep learning↔ compare
- Zwak gesuperviseerde beeldclassificatieDeep learning↔ compare
Geciteerd door
Een fout op deze pagina gezien? Meld het of stel een correctie voor →