Vision Transformer Semi-Supervisionado
O Vision Transformer Semi-Supervisionado aplica a arquitetura de auto-atenção baseada em patches do ViT a cenários onde apenas uma fração das imagens possui rótulos, explorando grandes corpora não rotulados através de pseudo-rotulagem, regularização de consistência ou tarefas pretexto auto-supervisionadas antes do ajuste fino no pequeno conjunto rotulado. Esta abordagem atinge precisão próxima à supervisionada, mesmo quando imagens rotuladas são escassas.
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
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An Image is Worth 16x16 Words: Transformers for Image Recognition at Scale. International Conference on Learning Representations (ICLR 2021). link ↗
- Zhai, X., Kolesnikov, A., Houlsby, N., & Beyer, L. (2022). Scaling Vision Transformers. Proceedings of the IEEE/CVF Conference on Computer Vision and Pattern Recognition (CVPR), 12104–12113. link ↗
Como citar esta página
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/pt/deep-learning/semi-supervised-vision-transformer
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.
- Vision Transformer (ViT) AjustadoAprendizado profundo↔ compare
- Classificação de ImagensAprendizado profundo↔ compare
- Vision Transformer AutossupervisionadoAprendizado profundo↔ compare
- Classificação Semi-supervisionada Baseada em BERTAprendizado profundo↔ compare
- Rede Neural Convolucional Semi-supervisionadaAprendizado profundo↔ compare
- Vision TransformerAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →