Feedback

Faculté des Sciences appliquées
Faculté des Sciences appliquées
Mémoire
VIEW 35 | DOWNLOAD 1

Master Thesis : Semi-Supervised Learning For Computer Vision

Télécharger
Makedonsky, Aliocha ULiège
Promoteur(s) : Geurts, Pierre ULiège ; Nath Ranga, Rakesh ULiège
Date de soutenance : 26-jui-2023/27-jui-2023 • URL permanente : http://hdl.handle.net/2268.2/17721
Détails
Titre : Master Thesis : Semi-Supervised Learning For Computer Vision
Titre traduit : [fr] Apprentissage semi-supervisé pour vision par ordinateur
Auteur : Makedonsky, Aliocha ULiège
Date de soutenance  : 26-jui-2023/27-jui-2023
Promoteur(s) : Geurts, Pierre ULiège
Nath Ranga, Rakesh ULiège
Membre(s) du jury : Louppe, Gilles ULiège
Wehenkel, Louis ULiège
Langue : Anglais
Nombre de pages : 85
Mots-clés : [en] semi-supervised learning
[en] machine learning
[en] computer vision
[en] imbalance
Discipline(s) : Ingénierie, informatique & technologie > Sciences informatiques
Public cible : Professionnels du domaine
Etudiants
Institution(s) : Université de Liège, Liège, Belgique
Diplôme : Master : ingénieur civil en science des données, à finalité spécialisée
Faculté : Mémoires de la Faculté des Sciences appliquées

Résumé

[en] When working on real-world projects, the dataset might contain few labeled samples and much more unlabeled samples. The purpose of this thesis is to explore techniques that would leverage unlabeled data to improve the results of a model that would have been trained only in the few labeled samples.


Fichier(s)

Document(s)

File
Access s171197Makedonsky2023.pdf
Description: -
Taille: 9.18 MB
Format: Adobe PDF

Annexe(s)

File
Access s171197Makedonsky2023.zip
Description: -
Taille: 925.56 kB
Format: Unknown

Auteur

  • Makedonsky, Aliocha ULiège Université de Liège > Master ingé. civ. sc. don. à . fin.

Promoteur(s)

Membre(s) du jury

  • Louppe, Gilles ULiège Université de Liège - ULiège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Big Data
    ORBi Voir ses publications sur ORBi
  • Wehenkel, Louis ULiège Université de Liège - ULiège > Dép. d'électric., électron. et informat. (Inst.Montefiore) > Méthodes stochastiques
    ORBi Voir ses publications sur ORBi
  • Nombre total de vues 35
  • Nombre total de téléchargements 1










Tous les documents disponibles sur MatheO sont protégés par le droit d'auteur et soumis aux règles habituelles de bon usage.
L'Université de Liège ne garantit pas la qualité scientifique de ces travaux d'étudiants ni l'exactitude de l'ensemble des informations qu'ils contiennent.