Clasificare semi-supervizată de imagini
Clasificarea semi-supervizată de imagini antrenează rețele neuronale profunde pe un set mic de imagini etichetate împreună cu un grup mult mai mare de imagini neetichetate. Tehnici precum pseudo-etichetarea, regularizarea consistenței și pragul de încredere permit modelului să valorifice structura datelor neetichetate, reducând dramatic nevoia de adnotare manuală costisitoare, apropiindu-se în același timp de acuratețea complet supervizată.
Citește metoda completă
Autentifică-te cu un cont gratuit pentru a citi această secțiune.
Method map
The neighbourhood of related methods — select a node to explore.
Surse
- Lee, D.-H. (2013). Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/ro/deep-learning/semi-supervised-image-classification
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.
- Clasificarea imaginilor prin ajustare fină (fine-tuning)Învățare profundă↔ compare
- Clasificarea ImaginilorÎnvățare profundă↔ compare
- Clasificare de imagini auto-supervizatăÎnvățare profundă↔ compare
- Învățare prin transfer cu clasificare de imaginiÎnvățare profundă↔ compare
- Clasificare de Imagini cu Supervizare SlabăÎnvățare profundă↔ compare
Citat de
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →