Semi-supervised Vision Transformer
Semi-supervised Vision Transformer past de patch-gebaseerde self-attention architectuur van ViT toe op instellingen waar slechts een fractie van de afbeeldingen gelabeld is, waarbij grote ongelabelde corpora worden benut door middel van pseudo-labeling, consistentie-regularisatie of zelf-gesuperviseerde pretext-taken voordat wordt gefinetuned op de kleine gelabelde set. Deze aanpak bereikt bijna-gesuperviseerde nauwkeurigheid, zelfs wanneer gelabelde afbeeldingen schaars zijn.
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
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/nl/deep-learning/semi-supervised-vision-transformer
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.
- Fijn-afgestelde Vision TransformerDeep learning↔ compare
- BeeldclassificatieDeep learning↔ compare
- Zelf-gesuperviseerde Vision TransformerDeep learning↔ compare
- Semi-gesuperviseerde BERT-gebaseerde ClassificatieDeep learning↔ compare
- Semi-supervised Convolutional Neural NetworkDeep learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →