Semi-övervakad bildklassificering
Semi-övervakad bildklassificering tränar djupa neurala nätverk på en liten mängd märkta bilder tillsammans med en mycket större pool av omärkta bilder. Tekniker som pseudo-märkning, konsistensregularisering och konfidensfiltrering gör det möjligt för modellen att utnyttja strukturen hos omärkta data, vilket dramatiskt minskar behovet av dyr manuell annotering samtidigt som man närmar sig fullständigt övervakad noggrannhet.
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.
Källor
- Lee, D.-H. (2013). Pseudo-Label: The Simple and Efficient Semi-Supervised Learning Method for Deep Neural Networks. ICML 2013 Workshop on Challenges in Representation Learning. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/sv/deep-learning/semi-supervised-image-classification
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 bildklassificeringDjupinlärning↔ compare
- BildklassificeringDjupinlärning↔ compare
- Självövervakad bildklassificeringDjupinlärning↔ compare
- Överföringsinlärning med bildklassificeringDjupinlärning↔ compare
- Svag övervakad bildklassificeringDjupinlärning↔ compare
Refereras av
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →