Classificazione di immagini debolmente supervisionata
La classificazione di immagini debolmente supervisionata addestra reti basate su convoluzione o transformer utilizzando solo supervisioni grossolane, incomplete o rumorose — come etichette di categoria a livello di immagine, hashtag o tag estratti dal web — senza richiedere riquadri di delimitazione precisi o annotazioni a livello di pixel. Ciò riduce drasticamente i costi di etichettatura, consentendo comunque un riconoscimento visivo ad alta accuratezza su larga scala.
Leggi il metodo completo
Accedi con un account gratuito per leggere questa sezione.
Method map
The neighbourhood of related methods — select a node to explore.
Fonti
- 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 ↗
- Mahajan, D., Girshick, R., Ramanathan, V., He, K., Paluri, M., Li, Y., Bharambe, A., & van der Maaten, L. (2018). Exploring the Limits of Weakly Supervised Pretraining. Proceedings of the European Conference on Computer Vision (ECCV), 181–196. DOI: 10.1007/978-3-030-01216-8_12 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Image Classification (WSL-IC). ScholarGate. https://scholargate.app/it/deep-learning/weakly-supervised-image-classification
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.
- Classificazione di immagini fine-tunedApprendimento profondo↔ compare
- Classificazione di immaginiApprendimento profondo↔ compare
- Classificazione di immagini auto-supervisionataApprendimento profondo↔ compare
- Classificazione di immagini semi-supervisionataApprendimento profondo↔ compare
- Apprendimento per trasferimento con classificazione di immaginiApprendimento profondo↔ compare
Citato da
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →