Metodin todisteiden tietue
Weakly supervised convolutional neural network
A weakly supervised CNN is a convolutional neural network trained with incomplete, coarse, or noisy annotations instead of full pixel-level or bounding-box labels. Typical weak labels include image-level class tags, partial annotations, or crowd-sourced noisy labels. The model learns to classify and often to roughly localize objects using these cheaper, lower-quality supervision signals.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Weakly Supervised Convolutional Neural Network
Taksonominen metoditietue · ml-model / deep-learning
- 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
Kuratoituja väitteitä
Väitteet tallennettu todistusaineiston pääkirjaan, jokaisella oma arviointinsa.
Ei vielä kuratoituja väitteitä
Tämä näkymä ei keksi väitteen arviointia, jos pääkirjassa ei ole sitä.
Liittyvät metodit
Luotu metodigraafista ja näytetään koneen ehdottamina suhteina – väitteitä ei päätellä.