Aktiv læring med selv-supervisert læring
Aktiv læring kombinert med selv-supervisert læring utnytter umerkede data gjennom selv-supervisert forhåndstrening for å bygge rike representasjoner, og bruker deretter en aktiv spørringsstrategi for å velge de mest informative eksemplene for menneskelig annotering, noe som maksimerer modellens ytelse under et stramt merke-budsjett. Denne hybridtilnærmingen er spesielt kraftig når merkede data er knappe, men store umerkede puljer eksisterer.
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
- Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091. link ↗
- Wang, K., Zhang, D., Li, Y., Zhang, R., & Lin, L. (2016). Cost-Effective Active Learning for Deep Image Classification. IEEE Transactions on Circuits and Systems for Video Technology, 27(12), 2591–2600. DOI: 10.1109/TCSVT.2016.2589879 ↗
Slik siterer du denne siden
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/no/machine-learning/active-learning-self-supervised-learning
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.
- Aktiv læringMaskinlæring↔ compare
- Få-skudds læringMaskinlæring↔ compare
- Online læringMaskinlæring↔ compare
- Selv-supervisert læringMaskinlæring↔ compare
- Semiveiledet læringMaskinlæring↔ compare
- OverføringslæringMaskinlæring↔ compare
Funnet en feil på denne siden? Rapporter eller foreslå en rettelse →