Напівкерована класифікація зображень
Напівкероване навчання класифікації зображень тренує глибокі нейронні мережі на невеликому наборі мічених зображень разом із значно більшим пулом немічених зображень. Такі методи, як псевдомаркування, регуляризація узгодженості та порогове значення впевненості, дозволяють моделі використовувати структуру немічених даних, значно зменшуючи потребу в дорогому ручному анотуванні, наближаючись при цьому до повнокерованої точності.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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. link ↗
- Sohn, K., Berthelot, D., Li, C.-L., Zhang, Z., Carlini, N., Cubuk, E. D., Kurakin, A., Zhang, H., & Raffel, C. (2020). FixMatch: Simplifying Semi-Supervised Learning with Consistency and Confidence. Advances in Neural Information Processing Systems, 33, 596–608. link ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Semi-supervised Image Classification with Deep Neural Networks. ScholarGate. https://scholargate.app/uk/deep-learning/semi-supervised-image-classification
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.
- Тонке налаштування класифікації зображеньГлибоке навчання↔ compare
- Класифікація зображеньГлибоке навчання↔ compare
- Самокерована класифікація зображеньГлибоке навчання↔ compare
- Трансферне навчання для класифікації зображеньГлибоке навчання↔ compare
- Слабокерована класифікація зображеньГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →