Mạng nơ-ron tích chập bán giám sát
Một CNN bán giám sát huấn luyện một mạng tích chập trên một tập ảnh nhỏ có nhãn và một nhóm lớn hơn các ảnh không có nhãn đồng thời, sử dụng các kỹ thuật như gán nhãn giả (pseudo-labeling) và điều chuẩn nhất quán (consistency regularization) để trích xuất tín hiệu giám sát từ dữ liệu không có nhãn. Chiến lược này thu hẹp đáng kể khoảng cách hiệu năng do thiếu chú thích mà không yêu cầu thêm nỗ lực gán nhãn thủ công.
Đọc toàn bộ phương pháp
Đăng nhập bằng tài khoản miễn phí để đọc phần này.
Method map
The neighbourhood of related methods — select a node to explore.
+2 more
Nguồn tài liệu
- 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 ↗
Cách trích dẫn trang này
ScholarGate. (2026, June 3). Semi-supervised Convolutional Neural Network (SSL-CNN). ScholarGate. https://scholargate.app/vi/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.
- Mạng nơ-ron tích chập tinh chỉnhHọc sâu↔ compare
- Mạng nơ-ron tích chập tự giám sátHọc sâu↔ compare
- Phân loại ảnh bán giám sátHọc sâu↔ compare
- Transfer Learning với Mạng Nơ-ron Tích chậpHọc sâu↔ compare
- Mạng nơ-ron tích chập giám sát yếuHọc sâu↔ compare
Được tham chiếu bởi
Phát hiện lỗi trên trang này? Báo cáo hoặc đề xuất chỉnh sửa →