ترنسفورمر بینایی تحت نظارت ضعیف
ترنسفورمر بینایی تحت نظارت ضعیف (WS-ViT) یک ترنسفورمر بینایی را بر روی دادههای تصویری که فاقد حاشیهنویسی دقیق در سطح پیکسل هستند، آموزش میدهد و به جای آن از نظارت ارزانتر و نویزدارتر مانند برچسبهای کلاس در سطح تصویر، جعبههای مرزی یا متن استخراج شده از وب استفاده میکند. مکانیزم توجه به خود سراسری ترنسفورمر آن را به ویژه برای مکانیابی اشیاء و یادگیری ویژگیهای متمایز از این برچسبهای ناقص قادر میسازد.
مطالعهٔ کامل روش
برای خواندن این بخش با حساب رایگان وارد شوید.
Method map
The neighbourhood of related methods — select a node to explore.
منابع
- 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 ↗
نحوهٔ استناد به این صفحه
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/fa/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.
- تقطیر دانش (Knowledge Distillation)یادگیری عمیق↔ compare
- یادگیری خودنظارتییادگیری ماشین↔ compare
- یادگیری نیمهنظارتشدهیادگیری ماشین↔ compare
- ترنسفورمر بینایییادگیری عمیق↔ compare
در این صفحه مشکلی دیدید؟ گزارش دهید یا اصلاحی پیشنهاد کنید →