Svagt superviseret Vision Transformer
Svagt superviseret Vision Transformer (WS-ViT) træner en Vision Transformer på billeddata, der mangler præcise pixel-niveau-annotationer, og bruger i stedet billigere, mere støjende supervision såsom billedniveau-klasse-tags, afgrænsningsbokse eller web-skrabet tekst. Transformerens globale self-attention-mekanisme gør den særligt i stand til at lokalisere objekter og lære diskriminerende træk fra disse ufuldstændige etiketter.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- 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 ↗
Sådan citerer du denne side
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/da/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.
- Knowledge DistillationDyb læring↔ compare
- Selvovervåget læringMaskinlæring↔ compare
- Semi-supervised LearningMaskinlæring↔ compare
- Vision TransformerDyb læring↔ compare
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →