LuanVan.vnLuận Văn
Gửi thư

Few-shot Learning with Unlabeled Data

Đồ án tốt nghiệp · Đại học · năm 2025 · đề tài tham khảo

Loại tài liệuĐồ án tốt nghiệp
Bậc họcĐại học
NgànhCông nghệ thông tin
Tác giảĐoàn Thế Vinh
Người hướng dẫnThân Quang Khoát
Cơ sở đào tạoĐại học Bách khoa Hà Nội
Năm2025
NguồnThư viện số Đại học Bách khoa Hà Nội · trang gốc

Tóm tắt

Giới thiệu tổng quan về bài toán tinh chỉnh các mô hình nền tảng thị giác trong điều kiện hạn chế dữ liệu gán nhãn và nhu cầu khai thác hiệu quả nguồn dữ liệu không gán nhãn. Phân tích thực trạng các phương pháp học bán giám sát hiện nay còn phụ thuộc nhiều vào cơ chế giả nhãn và chưa tận dụng đầy đủ cấu trúc của dữ liệu. Đề xuất giải pháp regularization dựa trên phân cụm trong không gian đặc trưng nhằm tăng cường tính nhất quán ngữ nghĩa và khả năng khái quát hóa của mô hình khi fine-tuning DINOv2. Kết luận khẳng định phương pháp đề xuất cải thiện hiệu năng trên nhiều tập dữ liệu VTAB và nâng cao độ bền vững của quá trình học ít mẫu.
Bản toàn văn lưu tại thư viện Đại học Bách khoa Hà Nội

Thông tin và tóm tắt ở trên lấy từ kho số mở của thư viện trường. Bản toàn văn do thư viện trường quản lý — có nơi cho đọc trực tuyến, có nơi cần tài khoản bạn đọc của trường.

Mở tại thư viện trường ↗
Dùng tài liệu tham khảo cho đúng
  • Đọc để hiểu cách người trước đặt câu hỏi, chọn phương pháp, trình bày số liệu — rồi tự làm với dữ liệu và bối cảnh của bạn.
  • Ý, số liệu, bảng biểu lấy từ tài liệu này phải trích dẫn (tác giả, năm, tên đề tài, cơ sở đào tạo).
  • Đề tài trùng tên vẫn làm được nếu khác đơn vị khảo sát, thời gian hoặc cách tiếp cận — nêu rõ điểm khác trong phần mở đầu.

Hướng dẫn chọn đề tài, cấu trúc và số liệu cho ngành này: Luận văn công nghệ thông tin · Hỏi đáp từng chương với người hướng dẫn số: Học Giả Số · Công cụ số: Luận Văn Số.

Đề tài cùng ngành

Tác giả muốn gỡ, sửa thông tin hoặc bổ sung bản toàn văn: gửi yêu cầu qua trang Liên hệ, kèm đường dẫn trang này.