Слабо контролиран Vision Transformer
Слабо контролиран Vision Transformer (WS-ViT) обучава Vision Transformer върху данни от изображения, които нямат прецизни анотации на ниво пиксел, като вместо това използва по-евтини, по-шумни контроли като етикети за клас на ниво изображение, ограничителни кутии или извлечени от уеб текстове. Механизмът за глобално самонаблюдение на трансформера го прави особено способен да локализира обекти и да научи дискриминативни характеристики от тези непълни етикети.
Прочетете целия метод
Влезте с безплатен профил, за да прочетете този раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Източници
- Dosovitskiy, A., Beyer, L., Kolesnikov, A., Weissenborn, D., Zhai, X., Unterthiner, T., Dehghani, M., Minderer, M., Heigold, G., Gelly, S., Uszkoreit, J., & Houlsby, N. (2021). An image is worth 16x16 words: Transformers for image recognition at scale. In International Conference on Learning Representations (ICLR). link ↗
- Zhou, Z.-H. (2022). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Как да цитирате тази страница
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/bg/deep-learning/weakly-supervised-vision-transformer
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- Дестилация на знанияДълбоко обучение↔ compare
- Самообучаващо се ученеМашинно обучение↔ compare
- Полу-наблюдавано обучениеМашинно обучение↔ compare
- Vision TransformerДълбоко обучение↔ compare
Забелязахте ли проблем на тази страница? Съобщете или предложете поправка →