Deutsch Intern
    Data Science Chair

    Semi-(un)supervised Learning mit vortrainierten Netzen

    06/05/2023

    In der Bildklassifikation und im Bereich des NLP gibt es eine Vielzahl vortrainierter Netze. Bei Bildern zählen VGG und ResNET in ihren verschiedenen Ausprägungen zu den Bekanntesten. Ziel dieser Arbeit (BA/MAP) ist es, vortrainierte Netze im Bereich des semi-supervised und semi-unsupervised learnings zu analysieren.

    Das bedeutet, dass innerhalb der Klassifikation nur sehr wenige Labels für jede Klasse (semi-supervised) oder für manche Klassen gar keine (semi-unsupervised) zur Verfügung stehen. Es sollen dabei einige bekannte Netze untereinander verglichen werden, mit besonderem Augenmerk auf die erzielte Genauigkeit bei reduzierter Labelanzahl und Anzahl der Operationen, die für das Nachtraining nötig sind.

    Betreuer/Ansprechpartner: Padraig Davidson

    Back