Półnadzorowana konwolucyjna sieć neuronowa
Półnadzorowana sieć CNN trenuje sieć konwolucyjną jednocześnie na małym zbiorze oznakowanych obrazów i większej puli obrazów nieoznakowanych, wykorzystując techniki takie jak pseudoznakowanie i regularyzacja spójności, aby wydobyć sygnał nadzorujący z danych nieoznakowanych. Strategia ta w znacznym stopniu zmniejsza lukę w wydajności spowodowaną niedoborem adnotacji, nie wymagając dodatkowego wysiłku w zakresie ręcznego etykietowania.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Źródła
- Lee, D.-H. (2013). Pseudo-label: The simple and efficient semi-supervised learning method for deep neural networks. ICML Workshop on Challenges in Representation Learning. link ↗
- Tarvainen, A. & Valpola, H. (2017). Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/pl/deep-learning/semi-supervised-convolutional-neural-network
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.
- Dostrojona konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Samo-nadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Obrazowanie z nadzorem częściowymUczenie głębokie↔ compare
- Uczenie transferowe z konwolucyjną siecią neuronowąUczenie głębokie↔ compare
- Słabo nadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →