เปรียบเทียบวิธี

	การจำแนกภาพแบบกึ่งมีผู้สอน	การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพ
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2013–2020	2010–2012
ผู้ริเริ่ม	Lee, D.-H. (pseudo-label); Sohn et al. (FixMatch)	Pan, S. J. & Yang, Q. (transfer learning framework); Krizhevsky, Sutskever & Hinton (deep CNN backbone)
ประเภท	Semi-supervised deep learning	Transfer learning / supervised classification
แหล่งต้นตำรับ	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.	Pan, S. J., & Yang, Q. (2010). A survey on transfer learning. IEEE Transactions on Knowledge and Data Engineering, 22(10), 1345–1359.
ชื่อเรียกอื่น	SSL image classification, semi-supervised CNN classification, pseudo-label image classification, label-efficient image classification	pretrained CNN image classification, fine-tuned image classifier, domain-adapted image classifier, TL-IC
ที่เกี่ยวข้อง	5	4
สรุป	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.	Transfer Learning with Image Classification reuses a deep neural network backbone — typically a CNN or Vision Transformer — pretrained on a large dataset such as ImageNet, and adapts it to classify images in a new target domain. By inheriting general visual features from the source task, the approach achieves high accuracy with far fewer labeled images than training from scratch.