Machine learningDeep learning / NLP / CV

مدل انتشار تحت نظارت ضعیف

یک مدل انتشار تحت نظارت ضعیف، یک مدل احتمالی انتشار تنزیل‌کننده را با استفاده از سیگنال‌های نظارتی تقریبی، نویزی، یا ناقص — مانند برچسب‌های کلاس در سطح تصویر، جعبه‌های مرزی، یا حاشیه‌نویسی‌های جمع‌آوری‌شده از منابع مردمی — به جای حقیقت زمینی دقیق پیکسلی، آموزش می‌دهد یا شرطی می‌کند. این امر امکان خروجی‌های مولد و تمایزی با کیفیت بالا را در تنظیمات با کمبود حاشیه‌نویسی فراهم می‌کند که در آن برچسب‌گذاری کامل غیرممکن یا به طور قابل توجهی پرهزینه است.

باز کردن در MethodMindبه‌زودیویدیوبه‌زودیDownload slides

مطالعهٔ کامل روش

ویژهٔ اعضا

برای خواندن این بخش با حساب رایگان وارد شوید.

ورود

Method map

The neighbourhood of related methods — select a node to explore.

منابع

  1. Ho, J., Jain, A., & Abbeel, P. (2020). Denoising Diffusion Probabilistic Models. Advances in Neural Information Processing Systems (NeurIPS), 33, 6840–6851. link
  2. Zhou, K., et al. (2023). Weakly-supervised Semantic Segmentation with Diffusion Models. arXiv preprint arXiv:2309.11803. link

نحوهٔ استناد به این صفحه

ScholarGate. (2026, June 3). Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision). ScholarGate. https://scholargate.app/fa/deep-learning/weakly-supervised-diffusion-model

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.

Compare side by side
ScholarGateWeakly Supervised Diffusion Model (Weakly Supervised Diffusion Model (Denoising Diffusion with Imperfect Supervision)). بازیابی‌شده در 2026-06-15 از https://scholargate.app/fa/deep-learning/weakly-supervised-diffusion-model · مجموعه‌داده: https://doi.org/10.5281/zenodo.20539026