guopeiAI

DINOv2 = 自监督预训练 + 1.42 亿图片 + 零标注→ 通用视觉特征→ 线性层直出 SOTA→ 跨域鲁棒，无需微调DINOv2 是视觉基础模型领域的里程碑之作🔥零标注训练：1.42 亿图片，不需要任何标签🎯线性层直出 SOTA：ViT-g/14 + Reg 达到 87.1% ImageNet 线性精度🌍跨域鲁棒：无需微调，医学/卫星/艺术/视频全场景可用📦开箱即用三行代码加载🏥特殊领域扩展。

当标注数据较少，而未标注的数据很多，并且标注成本很高时，可以考虑半监督学习训练。首先，采用伪标签技术把没有标注的的图片打上伪标签，然后用标注数据和伪标签数据混合训练模型。值得注意的是，要保证每个mini-batch中含有真实标签和伪标签，本文带你用代码实现。

当标注标签不足或者标注成本很高时，可以考虑用半监督学习的方法。半监督学习使用部分标注的图片和较多未标注的图片进行训练，达到较好的效果 。本文是谷歌团队的作品，以分类为例介绍半监督学习。