Schwache überwachungsbasierte Bildklassifikation
Die schwache überwachungsbasierte Bildklassifikation trainiert Faltungs- oder Transformer-basierte Netzwerke unter Verwendung von nur grober, unvollständiger oder verrauschter Überwachung – wie z. B. bildbezogene Kategorie-Labels, Hashtags oder aus dem Web gesammelte Tags –, ohne dass präzise Bounding Boxes oder Pixel-Annotationen erforderlich sind. Dies reduziert die Kosten für die Annotation drastisch und ermöglicht dennoch eine hochgenaue visuelle Erkennung in großem Maßstab.
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 ↗
- Mahajan, D., Girshick, R., Ramanathan, V., He, K., Paluri, M., Li, Y., Bharambe, A., & van der Maaten, L. (2018). Exploring the Limits of Weakly Supervised Pretraining. Proceedings of the European Conference on Computer Vision (ECCV), 181–196. DOI: 10.1007/978-3-030-01216-8_12 ↗
So zitieren Sie diese Seite
ScholarGate. (2026, June 3). Weakly Supervised Image Classification (WSL-IC). ScholarGate. https://scholargate.app/de/deep-learning/weakly-supervised-image-classification
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.
- Feinabgestimmte BildklassifikationDeep Learning↔ compare
- BildklassifizierungDeep Learning↔ compare
- Selbstüberwachte BildklassifikationDeep Learning↔ compare
- Semi-überwachte BildklassifikationDeep Learning↔ compare
- Transfer Learning für BildklassifikationDeep Learning↔ compare
Referenziert von
Einen Fehler auf dieser Seite entdeckt? Melden oder Korrektur vorschlagen →