Detekcja obiektów z wykorzystaniem uczenia częściowo nadzorowanego
Uczenie częściowo nadzorowane detekcji obiektów polega na trenowaniu detektora na małym zbiorze danych z etykietami i dużym zbiorze danych bez etykiet. Model nauczyciel generuje pseudoprzywieszki dla obrazów bez etykiet, a model uczeń uczy się zarówno z prawdziwych, jak i pseudoprzywieszonych danych, co znacząco redukuje kosztowne ręczne anotacje ramek ograniczających, jednocześnie osiągając dokładność konkurencyjną w stosunku do metod w pełni nadzorowanych.
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.
Źródła
- Sohn, K., Zhang, Z., Li, C.-L., Zhang, H., Lee, C.-Y., & Pfister, T. (2020). A Simple Semi-Supervised Learning Framework for Object Detection. arXiv preprint arXiv:2005.04757. link ↗
- Liu, Y.-C., Ma, C.-Y., He, Z., Kuo, C.-W., Chen, K., Zhang, P., Wu, B., Kira, Z., & Vajda, P. (2021). Unbiased Teacher for Semi-Supervised Object Detection. ICLR 2021. link ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/pl/deep-learning/semi-supervised-object-detection
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.
- Segmentacja instancjiUczenie głębokie↔ compare
- Detekcja obiektówUczenie głębokie↔ compare
- Półnadzorowana konwolucyjna sieć neuronowaUczenie głębokie↔ compare
- Obrazowanie z nadzorem częściowymUczenie głębokie↔ compare
- Uczenie transferowe z detekcją obiektówUczenie głębokie↔ compare
- Wykrywanie obiektów ze słabym nadzoremUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →