Apprentissage semi-supervisé-reconnaissance ouverte

L'apprentissage semi-supervisé - reconnaissance en ensemble ouvert est une tâche importante dans le domaine de la vision par ordinateur. Il vise à combiner une petite quantité de données étiquetées avec une grande quantité de données non étiquetées pour l'entraînement du modèle, tout en identifiant efficacement de nouvelles catégories qui ne sont pas présentes dans l'ensemble d'entraînement. L'objectif de cette tâche est d'améliorer la généralisation et la robustesse du modèle, de réduire la dépendance aux grandes quantités de données étiquetées, et d'accroître l'adaptabilité et la précision du système dans les applications réelles. Sa valeur d'application réside dans sa capacité à gérer de nouvelles catégories qui apparaissent continuellement dans le monde réel, augmentant ainsi le niveau d'intelligence du système.