一、无监督学习
人类和动物就是这种学习方式。当你还是婴儿时,你并没有被告知你所看到的所有物体的名字。然而你却能学会这些物体的概念,你知道世界是三维的,当我把物体放在另一个的后面,你还是知道它的存在。这些概念不是与生俱来的,是你将它们学会了。我们把这种类型的学习称作“无监督”学习。
一般指聚类算法,事先不知道样本的类别,通过某种办法,把相似的样本放在一堆。比如假设有两类数据在样本中,那么将样本聚成两类,经过定性分析,就可以给两类加标签了。
二、有监督学习
1.难点-数据问题
0)数据太少,深度网络学不好,容易发生过拟合
1)数据标注,需要大量的人力和财力
2)增加类别,要增加新的标注
3)不同人标注不一致,多次检查增加工作量
4)难以贴近真实应用场景,或存在隐私版权问题
二、弱监督学习
1.基本思路
1)用容易的标注,替代较难的标注:图像分类代替物体边框
2)部分样本精细标注