监督、自监督、半监督、无监督学习的区别
发布时间
阅读量：
阅读量
目录
一、简易版区别
二、详细版区别
一、简易版区别
该文综述了半监督、自监督与无监督学习在图像分类中的应用现状。这些学习方法分别基于数据的不同利用程度进行分类任务的研究与实现，并探讨了其在实际应用中的优缺点以及未来研究方向。
监督学习（a）：给出全部样本红蓝两类的标签
半监督学习（b）：给出部分标签
无监督（c）：完全无标签
自监督（d）：基于无标签数据上的预设任务进行表示学习，并在此过程中逐步构建出有效的特征表达；随后，在针对具体目标设计的有标签下游任务中对表示进行进一步优化以提升性能
二、详细版区别
监督学习基于大量标注数据集对模型进行训练，在预测结果与真实标签之间形成差异后通过反向传播机制进行优化经过反复训练迭代最终实现对新样本的识别能力
无监督学习无需任何标签信息的监督方法，在分析数据内部特性时识别样本之间的联系。例如聚类分析这类任务。
不同于无监督学习，在自监督学习中主要通过预设的任务（pretext）从大量无标签数据中生成self-supervised information，并由该self-supervised information生成的方式引导模型进行训练；从而可掌握下游任务具有价值的特征表示。换句话说，在传统的有标签学习中是人工标注label来指导模型；而在自...则无需人工标注label。
全部评论 (0)
还没有任何评论哟~