التعلم شبه المشرف على نطاق المليارات لتصنيف الصور

يقدم هذا البحث دراسة حول التعلم شبه المشرف باستخدام شبكات الالتواء الكبيرة (Convolutional Networks). نقترح خطوة عمل تعتمد على مفهوم المعلم/الطالب، والتي تستفيد من مجموعة كبيرة من الصور غير المصنفة (تصل إلى مليار صورة). هدفنا الرئيسي هو تحسين الأداء لمعمارية الهدف المعطاة، مثل ResNet-50 أو ResNext. نقوم بتقديم تحليل شامل لعوامل النجاح في نهجنا، مما يقودنا إلى صياغة بعض التوصيات لإنتاج نماذج ذات دقة عالية للتصنيف الصوري باستخدام التعلم شبه المشرف. نتيجة لذلك، فإن نهجنا يحقق مكاسب مهمة للمعماريات القياسية للصورة والفيديو والتصنيف الدقيق. على سبيل المثال، عن طريق الاستفادة من مليار صورة غير مصنفة، يصل نموذج ResNet-50 البسيط الذي تم تعلمه إلى دقة 81.2% في المرتبة الأولى على مقاييس ImageNet.