يتناول هذا البحث التعلم العميقي التحويلي، ويناقش طريقة تُسمى TransBoost كآلية لتحسين أي نموذج عصبي عميق من خلال التدقيق الدقيق (fine-tuning) بهدف تعزيز أدائه على أي مجموعة اختبار غير مُعلمة (unlabeled) يتم توفيرها في وقت التدريب. تستمد TransBoost إلهامها من مبدأ الهامش الكبير، وهي طريقة فعّالة وسهلة الاستخدام. وقد أظهرت طريقةنا تحسينًا كبيرًا في أداء تصنيف ImageNet عبر طيف واسع من الهياكل المعمارية، مثل ResNets وMobileNetV3-L وEfficientNetB0 وViT-S وConvNext-T، ما يُحدث حالة متقدمة من الأداء التحويلي (state-of-the-art). علاوةً على ذلك، نُظهر أن TransBoost فعّالة على مجموعة متنوعة من مجموعات بيانات تصنيف الصور. تم توفير تنفيذ TransBoost عبر الرابط التالي: https://github.com/omerb01/TransBoost.