Învățare activă cu învățare auto-supervizată
Învățarea activă combinată cu învățarea auto-supervizată valorifică datele neetichetate prin pre-antrenarea auto-supervizată pentru a construi reprezentări bogate, apoi utilizează o strategie de interogare activă pentru a selecta cele mai informative exemple pentru adnotarea umană, maximizând performanța modelului sub un buget strict de etichetare. Această abordare hibridă este deosebit de puternică atunci când datele etichetate sunt rare, dar există volume mari de date neetichetate.
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
- Bengar, J. Z., van de Weijer, J., Fuentes, L. L., & Raducanu, B. (2022). Class-Balanced Active Learning for Image Classification. Proceedings of the IEEE/CVF Winter Conference on Applications of Computer Vision (WACV), 3082–3091. link ↗
- Wang, K., Zhang, D., Li, Y., Zhang, R., & Lin, L. (2016). Cost-Effective Active Learning for Deep Image Classification. IEEE Transactions on Circuits and Systems for Video Technology, 27(12), 2591–2600. DOI: 10.1109/TCSVT.2016.2589879 ↗
Cum se citează această pagină
ScholarGate. (2026, June 3). Active Learning with Self-supervised Representation Learning. ScholarGate. https://scholargate.app/ro/machine-learning/active-learning-self-supervised-learning
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.
- Învățare activăÎnvățare automată↔ compare
- Învățare cu puține exempleÎnvățare automată↔ compare
- Învățare onlineÎnvățare automată↔ compare
- Învățare auto-supervizatăÎnvățare automată↔ compare
- Învățare semi-supervizatăÎnvățare automată↔ compare
- Învățare prin transferÎnvățare automată↔ compare
Ai observat o problemă pe această pagină? Raportează sau sugerează o corectură →