Полу-контролируемая свёрточная нейронная сеть
Полу-контролируемая свёрточная нейронная сеть (CNN) одновременно обучает свёрточную сеть на небольшом наборе размеченных изображений и на большем пуле неразмеченных изображений, используя такие методы, как псевдо-маркировка и регуляризация согласованности, для извлечения управляющего сигнала из неразмеченных данных. Эта стратегия значительно сокращает разрыв в производительности, вызванный скудными аннотациями, без необходимости дополнительных усилий по ручной разметке.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Источники
- Lee, D.-H. (2013). Pseudo-label: The simple and efficient semi-supervised learning method for deep neural networks. ICML Workshop on Challenges in Representation Learning. link ↗
- Tarvainen, A. & Valpola, H. (2017). Mean teachers are better role models: Weight-averaged consistency targets improve semi-supervised deep learning results. Advances in Neural Information Processing Systems (NeurIPS), 30. link ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/ru/deep-learning/semi-supervised-convolutional-neural-network
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.
- Дообученная (fine-tuned) свёрточная нейронная сетьГлубокое обучение↔ compare
- Self-supervised convolutional neural networkГлубокое обучение↔ compare
- Полуавтоматическая классификация изображенийГлубокое обучение↔ compare
- Transfer Learning with Convolutional Neural NetworkГлубокое обучение↔ compare
- Слабоконтролируемая свёрточная нейронная сетьГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →