Weakly supervised convolutional neural network
A weakly supervised CNN is a convolutional neural network trained with incomplete, coarse, or noisy annotations instead of full pixel-level or bounding-box labels. Typical weak labels include image-level class tags, partial annotations, or crowd-sourced noisy labels. The model learns to classify and often to roughly localize objects using these cheaper, lower-quality supervision signals.
Catatan sumber
Kutipan disalin apa adanya dari catatan sumber metode. Tidak ada verifikasi tingkat klaim yang disimpulkan darinya.
- 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
- Oquab, M., Bottou, L., Laptev, I., & Sivic, J. (2015). Is object localization for free? — Weakly-supervised learning with convolutional neural networks. Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), 685–694. · DOI 10.1109/CVPR.2015.7298668
Klaim yang dikurasi
Klaim tersimpan dalam buku besar bukti, masing-masing dengan penilaiannya sendiri.
Tampilan ini tidak menciptakan penilaian klaim ketika buku besar tidak memilikinya.
Metode terkait
Dihasilkan dari grafik metode dan ditampilkan sebagai relasi yang disarankan mesin — tidak ada klaim bukti yang disimpulkan.