Semi-veilet bildeklassifisering
Semi-veiledet bildeklassifisering trener dype nevrale nettverk på et lite sett med merkede bilder sammen med en mye større samling av umerkede bilder. Teknikker som pseudo-merking, konsistensregularisering og konfidens-terskelverdi lar modellen utnytte strukturen i umerkede data, noe som dramatisk reduserer behovet for kostbar manuell annotering, samtidig som den nærmer seg fullstendig veiledet nøyaktighet.
Les hele metoden
Logg inn med en gratis konto for å lese denne delen.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/no/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.
- Finjustert bildklassifiseringDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- Selv-supervisert bildeklassifiseringDyp læring↔ compare
- Overføringslæring med bildeklassifiseringDyp læring↔ compare
- Svakt veiledet bildeklassifiseringDyp læring↔ compare
Referert av
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →