Classification d'images faiblement supervisée
La classification d'images faiblement supervisée entraîne des réseaux convolutionnels ou basés sur des transformeurs en utilisant uniquement une supervision grossière, incomplète ou bruitée — telle que des étiquettes de catégorie au niveau de l'image, des hashtags ou des balises extraites du web — sans nécessiter de boîtes englobantes précises ou d'annotations de pixels. Cela réduit considérablement le coût d'étiquetage tout en permettant une reconnaissance visuelle de haute précision à grande échelle.
Lire la méthode complète
Connectez-vous avec un compte gratuit pour lire cette section.
Method map
The neighbourhood of related methods — select a node to explore.
Sources
- 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 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Weakly Supervised Image Classification (WSL-IC). ScholarGate. https://scholargate.app/fr/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.
- Classification d'images par réglage finApprentissage profond↔ compare
- Classification d'imagesApprentissage profond↔ compare
- Classification d'images auto-superviséeApprentissage profond↔ compare
- Classification d'images semi-superviséeApprentissage profond↔ compare
- Apprentissage par transfert pour la classification d'imagesApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →