Semihandled konvolutionell neuralt nätverk
Ett semihandled CNN tränar ett konvolutionellt nätverk på en liten uppsättning märkta bilder och en större pool av omärkta bilder samtidigt, med tekniker som pseudo-märkning (pseudo-labeling) och konsistensregularisering för att extrahera övervakande signal från omärkt data. Denna strategi minskar en stor del av prestandagapet som orsakas av knappa annoteringar utan att kräva ytterligare mänsklig märkningsinsats.
Läs hela metoden
Logga in med ett kostnadsfritt konto för att läsa avsnittet.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Källor
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/sv/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.
- Finjusterad faltningsnät (CNN)Djupinlärning↔ compare
- Självövervakad faltningsnätverkDjupinlärning↔ compare
- Semi-övervakad bildklassificeringDjupinlärning↔ compare
- Överföringsinlärning med faltningsneurala nätverkDjupinlärning↔ compare
- Svagt övervakad faltningsnät (CNN)Djupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →