Détection d'objets faiblement supervisée
La détection d'objets faiblement supervisée (WSOD) entraîne des détecteurs d'objets en utilisant uniquement des étiquettes au niveau de l'image – indiquant quelles classes d'objets apparaissent dans une image – sans nécessiter de coûteuses annotations de boîtes englobantes. Les formulations d'apprentissage multi-instances (MIL) permettent au modèle de découvrir l'emplacement probable de chaque classe d'objets à partir des seuls signaux de classification, réduisant considérablement le coût d'annotation.
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
- Bilen, H., & Vedaldi, A. (2016). Weakly supervised deep detection networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2846–2854. DOI: 10.1109/CVPR.2016.311 ↗
- Tang, P., Wang, X., Bai, X., & Liu, W. (2017). Multiple instance detection network with online instance classifier refinement. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2843–2851. DOI: 10.1109/cvpr.2017.326 ↗
Comment citer cette page
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/fr/deep-learning/weakly-supervised-object-detection
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'imagesApprentissage profond↔ compare
- Segmentation d'instancesApprentissage profond↔ compare
- Détection d'objetsApprentissage profond↔ compare
- Détection d'objets semi-superviséeApprentissage profond↔ compare
- Vision TransformerApprentissage profond↔ compare
Référencée par
Une erreur sur cette page ? Signalez-la ou proposez une correction →