自己学习做笔记用的,从别人的讲解中摘抄。
有监督:用有标签的数据训练。
半监督:数据分为两部分,小部分有标签,大部分无标签。用有标签的数据训练网络,用训练后的网络对无标签的数据进行分类制作伪标签,用一个挑选原则挑选出认为标签正确的数据再对网络进行训练。
无监督:无监督学习则是没有明确目的的训练方式,你无法提前知道结果是什么,效果也很难评估。(聚类、降维、GAN)
弱监督:不完全监督(只注释一部分图像)不确切监督(对图像进行注释但对对象没有进行注释)不精确监督(错误标注)
自监督:自监督学习主要是利用辅助任务(pretext)从大规模的无监督数据中挖掘自身的监督信息,通过这种构造的监督信息对网络进行训练,从而可以学习到对下游任务有价值的表征。
监督学习中的 Pretrain - Finetune 流程:我们首先从大量的有标签数据上进行训练,得到预训练的模型,然后对于新的下游任务(Downstream task),我们将学习到的参数(比如输出层之前的层的参数)进行迁移,在新的有标签任务上进行「微调」,从而得到一个能适应新任务的网络。
自监督的 Pretrain - Finetune 流程:首先从大量的无标签数据中通过 pretext 来训练网络(自动在数据中构造监督信息),得到预训练的模型,然后对于新的下游任务,和监督学习一样,迁移学习到的参数后微调即可。所以自监督学习的能力主要由下游任务的性能来体现。