Deteksi Objek Berpengawasan Lemah
Deteksi Objek Berpengawasan Lemah (WSOD) melatih detektor objek hanya menggunakan label tingkat citra—yang menunjukkan kelas objek mana yang muncul dalam citra—tanpa memerlukan anotasi kotak pembatas yang mahal. Formulasi Pembelajaran Multi-Instansi (MIL) memungkinkan model untuk menemukan lokasi yang mungkin dari setiap kelas objek hanya dari sinyal klasifikasi, secara dramatis mengurangi biaya anotasi.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/id/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.
- Klasifikasi CitraPembelajaran Mendalam↔ compare
- Segmentasi InstansPembelajaran Mendalam↔ compare
- Deteksi ObjekPembelajaran Mendalam↔ compare
- Deteksi Objek Semi-TerawasiPembelajaran Mendalam↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Dirujuk oleh
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →