Régression d'images semi-supervisée

La régression d'images semi-supervisée est une technique de régression d'images qui combine une petite quantité de données étiquetées avec une grande quantité de données non étiquetées. L'objectif est d'améliorer la généralisation et la précision du modèle dans la prédiction de sorties numériques continues en exploitant les informations structurelles des données non étiquetées. Cette méthode présente une valeur d'application importante dans le domaine de la vision par ordinateur, en particulier dans des scénarios où les coûts d'annotation sont élevés ou difficiles à obtenir, car elle peut améliorer efficacement les performances du modèle.