Detecção de Objetos Semi-Supervisionada
A detecção de objetos semi-supervisionada treina um detector em um pequeno conjunto de imagens rotuladas e um grande conjunto de imagens não rotuladas. Um modelo professor gera pseudo-rótulos para imagens não rotuladas, e um modelo aluno aprende tanto com dados reais quanto com dados pseudo-rotulados, reduzindo drasticamente o caro ônus da anotação manual de caixas delimitadoras, ao mesmo tempo que atinge precisão competitiva com baselines totalmente supervisionados.
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.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/pt/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.
- Segmentação de InstânciaAprendizado profundo↔ compare
- Detecção de ObjetosAprendizado profundo↔ compare
- Rede Neural Convolucional Semi-supervisionadaAprendizado profundo↔ compare
- Classificação de Imagens Semi-supervisionadaAprendizado profundo↔ compare
- Aprendizagem por Transferência com Detecção de ObjetosAprendizado profundo↔ compare
- Detecção de Objetos com Supervisão FracaAprendizado profundo↔ compare
Referenciado por
Encontrou um problema nesta página? Relate ou sugira uma correção →