Semi-supervised Vision Transformer
Semi-supervised Vision Transformer tillämpar ViT:s patch-baserade självuppmärksamhetsarkitektur på scenarier där endast en bråkdel av bilderna är märkta, och utnyttjar stora omärkta korpusar genom pseudo-märkning, konsistensregularisering eller självövervakade förtextuppgifter före finjustering på den lilla märkta datamängden. Detta tillvägagångssätt uppnår nära-övervakad noggrannhet även när märkta bilder är knappa.
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
- 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 ↗
Så citerar du den här sidan
ScholarGate. (2026, June 3). Semi-supervised Vision Transformer (Semi-supervised ViT). ScholarGate. https://scholargate.app/sv/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.
- Finjusterad Vision TransformerDjupinlärning↔ compare
- BildklassificeringDjupinlärning↔ compare
- Självövervakad Vision TransformerDjupinlärning↔ compare
- Semi-supervised BERT-baserad klassificeringDjupinlärning↔ compare
- Semihandled konvolutionell neuralt nätverkDjupinlärning↔ compare
- Vision TransformerDjupinlärning↔ compare
Hittade du ett fel på sidan? Rapportera eller föreslå en rättelse →