Vision Transformer Supervisi Lemah
Vision Transformer Supervisi Lemah (WS-ViT) melatih Vision Transformer pada data citra yang tidak memiliki anotasi tingkat piksel yang presisi, melainkan menggunakan supervisi yang lebih murah dan lebih bising seperti tag kelas tingkat citra, kotak pembatas, atau teks yang dikeruk dari web. Mekanisme perhatian diri global dari transformer membuatnya sangat mampu melokalisasi objek dan mempelajari fitur diskriminatif dari label-label yang tidak lengkap ini.
Baca metode selengkapnya
Masuk dengan akun gratis untuk membaca bagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- 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 ↗
Cara menyitasi halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/id/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.
- Distilasi PengetahuanPembelajaran Mendalam↔ compare
- Pembelajaran Mandiri TerawasiPembelajaran Mesin↔ compare
- Pembelajaran Semi-terawasiPembelajaran Mesin↔ compare
- Vision TransformerPembelajaran Mendalam↔ compare
Menemukan masalah di halaman ini? Laporkan atau usulkan perbaikan →