เปรียบเทียบวิธี

	โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอน	การจำแนกภาพแบบกึ่งมีผู้สอน
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2013–2017	2013–2020
ผู้ริเริ่ม	Lee, D.-H.; Tarvainen, A. & Valpola, H. (among others)	Lee, D.-H. (pseudo-label); Sohn et al. (FixMatch)
ประเภท	Semi-supervised deep learning	Semi-supervised deep learning
แหล่งต้นตำรับ	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.	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.
ชื่อเรียกอื่น	SSL-CNN, semi-supervised CNN, self-training CNN, pseudo-label CNN	SSL image classification, semi-supervised CNN classification, pseudo-label image classification, label-efficient image classification
ที่เกี่ยวข้อง	5	5
สรุป	A Semi-supervised CNN trains a convolutional network on a small labeled image set and a larger pool of unlabeled images simultaneously, using techniques such as pseudo-labeling and consistency regularization to extract supervisory signal from unlabeled data. This strategy closes much of the performance gap caused by scarce annotations without requiring additional human labeling effort.	Semi-supervised image classification trains deep neural networks on a small set of labeled images together with a much larger pool of unlabeled images. Techniques such as pseudo-labeling, consistency regularization, and confidence thresholding allow the model to leverage the structure of unlabeled data, dramatically reducing the need for expensive manual annotation while approaching fully-supervised accuracy.