ScholarGate
Assistente
Machine learningDeep learning / NLP / CV

Rete Neurale Convoluzionale Debolmente Supervisionata

Una CNN debolmente supervisionata è una rete neurale convoluzionale addestrata con annotazioni incomplete, grossolane o rumorose, anziché etichette complete a livello di pixel o di bounding box. Le tipiche etichette deboli includono tag di classe a livello di immagine, annotazioni parziali o etichette rumorose provenienti da crowdsourcing. Il modello impara a classificare e spesso a localizzare approssimativamente gli oggetti utilizzando questi segnali di supervisione più economici e di qualità inferiore.

Apri in MethodMindIn arrivoVideoIn arrivoDownload slides

Leggi il metodo completo

Riservato ai membri

Accedi con un account gratuito per leggere questa sezione.

Accedi

Method map

The neighbourhood of related methods — select a node to explore.

Fonti

  1. 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
  2. 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

Come citare questa pagina

ScholarGate. (2026, June 3). Weakly Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/it/deep-learning/weakly-supervised-convolutional-neural-network

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.

Compare side by side

Citato da

ScholarGateWeakly supervised convolutional neural network (Weakly Supervised Convolutional Neural Network). Consultato il 2026-06-15 da https://scholargate.app/it/deep-learning/weakly-supervised-convolutional-neural-network · Insieme di dati: https://doi.org/10.5281/zenodo.20539026