Verteilungsabgleich verbessert semi‑supervised kontrastives Lernen
Die rasante Entwicklung von Deep‑Learning‑Modellen hat die Bildklassifikation in der überwachten Lernphase stark vorangebracht. Gleichzeitig bleibt die Beschaffung von gelabelten Daten teuer und zeitaufwendig, was die Forschung zu unüberwachten Ansätzen wie kontrastivem Lernen vorantreibt. In der Praxis sind jedoch vollständig unlabeled Datensätze selten, sodass semi‑supervised Lernmethoden – bei denen ein kleiner Anteil gelabelter Daten mit einer großen Menge unlabeled Daten kombiniert wird – besonders relevant sind.
