Vision Transformer semi-supervizat
Vision Transformer semi-supervizat aplică arhitectura de auto-atenție bazată pe patch-uri a ViT în scenarii unde doar o fracțiune din imagini sunt etichetate, exploatând corpusuri mari neetichetate prin pseudo-etichetare, regularizare prin consistență sau sarcini pretextuale auto-supervizate înainte de reglarea fină pe setul mic etichetat. Această abordare atinge o acuratețe aproape supervizată chiar și atunci când imaginile etichetate sunt rare.
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
- 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 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/ro/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) fin-tunatÎnvățare profundă↔ compare
- Clasificarea ImaginilorÎnvățare profundă↔ compare
- Vision Transformer auto-supervizatÎnvățare profundă↔ compare
- Clasificare semi-supervizată bazată pe BERTÎnvățare profundă↔ compare
- Rețea neuronală convoluțională semi-supervizatăÎnvățare profundă↔ compare
- Vision TransformerÎnvățare profundă↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →