โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอน
โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอน (Semi-supervised CNN) ทำการฝึกโครงข่ายแบบสังวัตนาการบนชุดภาพที่มีป้ายกำกับขนาดเล็กและชุดข้อมูลภาพที่ไม่มีป้ายกำกับขนาดใหญ่กว่าพร้อมกัน โดยใช้เทคนิคต่างๆ เช่น การติดป้ายเทียม (pseudo-labeling) และการทำให้ผลลัพธ์สอดคล้องกัน (consistency regularization) เพื่อดึงสัญญาณการสอนจากข้อมูลที่ไม่มีป้ายกำกับ กลยุทธ์นี้ช่วยลดช่องว่างด้านประสิทธิภาพที่เกิดจากการมีป้ายกำกับน้อยลงได้อย่างมาก โดยไม่ต้องใช้ความพยายามในการติดป้ายกำกับเพิ่มเติมจากมนุษย์
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/th/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.
- Fine-Tuned Convolutional Neural Networkการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมคอนโวลูชันแบบเรียนรู้ด้วยตนเองการเรียนรู้เชิงลึก↔ compare
- การจำแนกภาพแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนด้วยโครงข่ายประสาทเทียมแบบสังวัตนาการการเรียนรู้เชิงลึก↔ compare
- Weakly supervised convolutional neural networkการเรียนรู้เชิงลึก↔ compare