Трансформер зрения с полуавтоматическим обучением
Трансформер зрения с полуавтоматическим обучением (Semi-supervised Vision Transformer) применяет архитектуру самовнимания на основе патчей (ViT) к сценариям, где размечена лишь часть изображений, используя большие неразмеченные корпуса данных посредством псевдо-разметки, регуляризации согласованности или задач самообучения перед дообучением на небольшом размеченном наборе. Этот подход достигает точности, близкой к обучению с учителем, даже при нехватке размеченных изображений.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/ru/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.
- Дообученный Vision TransformerГлубокое обучение↔ compare
- Классификация изображенийГлубокое обучение↔ compare
- Самообучающийся Vision TransformerГлубокое обучение↔ compare
- Полуавтоматическая классификация на основе BERTГлубокое обучение↔ compare
- Полу-контролируемая свёрточная нейронная сетьГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →