Rede Neural Convolucional Semi-supervisionada
Uma CNN semi-supervisionada treina uma rede convolucional em um pequeno conjunto de imagens rotuladas e um conjunto maior de imagens não rotuladas simultaneamente, usando técnicas como pseudo-rotulagem e regularização de consistência para extrair sinal de supervisão de dados não rotulados. Essa estratégia reduz significativamente a lacuna de desempenho causada por anotações escassas, sem exigir esforço adicional de rotulagem humana.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/pt/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.
- Rede neural convolucional ajustada finamenteAprendizado profundo↔ compare
- Rede neural convolucional autossupervisionadaAprendizado profundo↔ compare
- Classificação de Imagens Semi-supervisionadaAprendizado profundo↔ compare
- Transfer Learning com Redes Neurais ConvolucionaisAprendizado profundo↔ compare
- Rede neural convolucional fracamente supervisionadaAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →