Metodin todisteiden tietue
Weakly Supervised Image Classification
Weakly supervised image classification trains convolutional or transformer-based networks using only coarse, incomplete, or noisy supervision — such as image-level category labels, hashtags, or web-scraped tags — without requiring precise bounding boxes or pixel annotations. This dramatically reduces labeling cost while still enabling high-accuracy visual recognition at scale.
Lähdetietue
Sitaatit kopioitu sanatarkasti metodin lähdetietueesta. Niistä ei päätellä väitteiden tasoista varmennusta.
Weakly Supervised Image Classification (WSL-IC)
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
- 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
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.