Schwache CNNs (Weakly Supervised Convolutional Neural Network)
Ein schwach überwachtes CNN ist ein Convolutional Neural Network, das mit unvollständigen, groben oder verrauschten Annotationen anstelle von vollständigen Pixel- oder Bounding-Box-Labels trainiert wird. Typische schwache Labels umfassen bildbezogene Klassen-Tags, partielle Annotationen oder durch Crowdsourcing gewonnene verrauschte Labels. Das Modell lernt, Objekte mithilfe dieser kostengünstigeren, qualitativ minderwertigeren Überwachungssignale zu klassifizieren und oft auch grob zu lokalisieren.
Die vollständige Methode lesen
Melden Sie sich mit einem kostenlosen Konto an, um diesen Abschnitt zu lesen.
Method map
The neighbourhood of related methods — select a node to explore.
Quellen
- Zhou, B., Khosla, A., Lapedriza, A., Oliva, A., & Torralba, A. (2016). Learning deep features for discriminative localization. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 2921–2929. DOI: 10.1109/CVPR.2016.319 ↗
- Oquab, M., Bottou, L., Laptev, I., & Sivic, J. (2015). Is object localization for free? — Weakly-supervised learning with convolutional neural networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 685–694. DOI: 10.1109/CVPR.2015.7298668 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/de/deep-learning/weakly-supervised-convolutional-neural-network
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.
- Feinabgestimmtes Convolutional Neural NetworkDeep Learning↔ compare
- BildklassifizierungDeep Learning↔ compare
- Selbstüberwachtes Convolutional Neural NetworkDeep Learning↔ compare
- Semantische SegmentierungDeep Learning↔ compare
- Semi-überwachtes Faltungsneuronales NetzDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →