การตรวจจับวัตถุแบบกึ่งมีผู้สอน
การตรวจจับวัตถุแบบกึ่งมีผู้สอน (Semi-supervised object detection) เป็นการฝึกตัวตรวจจับ (detector) โดยใช้ชุดข้อมูลภาพที่มีป้ายกำกับจำนวนน้อย และชุดข้อมูลภาพที่ไม่มีป้ายกำกับจำนวนมาก โมเดลผู้สอน (teacher model) จะสร้างป้ายกำกับเสมือน (pseudo-labels) สำหรับภาพที่ไม่มีป้ายกำกับ และโมเดลผู้เรียน (student model) จะเรียนรู้จากทั้งข้อมูลจริงและข้อมูลที่มีป้ายกำกับเสมือน ซึ่งช่วยลดภาระการใส่กรอบและป้ายกำกับวัตถุด้วยตนเองที่มีค่าใช้จ่ายสูงได้อย่างมาก ในขณะที่ยังคงให้ความแม่นยำที่สามารถแข่งขันได้กับวิธีการแบบมีผู้สอนเต็มรูปแบบ
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- Sohn, K., Zhang, Z., Li, C.-L., Zhang, H., Lee, C.-Y., & Pfister, T. (2020). A Simple Semi-Supervised Learning Framework for Object Detection. arXiv preprint arXiv:2005.04757. link ↗
- Liu, Y.-C., Ma, C.-Y., He, Z., Kuo, C.-W., Chen, K., Zhang, P., Wu, B., Kira, Z., & Vajda, P. (2021). Unbiased Teacher for Semi-Supervised Object Detection. ICLR 2021. link ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Semi-supervised Object Detection (Pseudo-label / Mean-Teacher Paradigm). ScholarGate. https://scholargate.app/th/deep-learning/semi-supervised-object-detection
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.
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- การตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- โครงข่ายประสาทเทียมแบบสังวัตนาการแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- การจำแนกภาพแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนกับการตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- การตรวจจับวัตถุแบบมีผู้สอนแบบอ่อนการเรียนรู้เชิงลึก↔ compare