Slabo nadzirani Vision Transformer
Slabo nadzirani Vision Transformer (WS-ViT) trenira Vision Transformer na slikovnim podacima kojima nedostaju precizne anotacije na razini piksela, umjesto toga koristi jeftinije, bučnije nadzore poput oznaka klase na razini slike, okvira ili teksta prikupljenog s weba. Globalni mehanizam samopozornosti transformera čini ga posebno sposobnim za lokalizaciju objekata i učenje diskriminativnih značajki iz tih nepotpunih oznaka.
Pročitajte cijelu metodu
Prijavite se besplatnim računom kako biste pročitali ovaj odjeljak.
Method map
The neighbourhood of related methods — select a node to explore.
Izvori
- 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 ↗
Kako citirati ovu stranicu
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/hr/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.
- Destilacija znanjaDuboko učenje↔ compare
- Samonadzirano učenjeStrojno učenje↔ compare
- Polunadzorirano učenjeStrojno učenje↔ compare
- Vision TransformerDuboko učenje↔ compare
Uočili ste pogrešku na ovoj stranici? Prijavite je ili predložite ispravak →