Semi-supervised Vision Transformer
Semi-supervised Vision Transformer anvender den patch-baserte selv-oppmerksomhetsarkitekturen til ViT på innstillinger der bare en brøkdel av bildene er merket, og utnytter store umerkede korpora gjennom pseudo-merking, konsistensregularisering eller selv-superviserte forhåndsdefinerte oppgaver før finjustering på det lille merkede settet. Denne tilnærmingen oppnår nær-supervisert nøyaktighet selv når merkede bilder er knappe.
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
- 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 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/no/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.
- Finjustert Vision TransformerDyp læring↔ compare
- BildeklassifiseringDyp læring↔ compare
- Selv-supervisert Vision TransformerDyp læring↔ compare
- Semi-supervised BERT-basert klassifiseringDyp læring↔ compare
- Semi-veiled konvolusjonelt nevralt nettverkDyp læring↔ compare
- Vision TransformerDyp læring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →