Vision Transformer Supervisione Debole
Il Vision Transformer Supervisione Debole (WS-ViT) addestra un Vision Transformer su dati di immagini che mancano di annotazioni precise a livello di pixel, utilizzando invece supervisioni più economiche e rumorose come tag di classe a livello di immagine, bounding box o testo raschiato dal web. Il meccanismo di auto-attenzione globale del transformer lo rende particolarmente capace di localizzare oggetti e apprendere caratteristiche discriminanti da queste etichette incomplete.
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
- 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 ↗
Come citare questa pagina
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/it/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.
- Distillazione della ConoscenzaApprendimento profondo↔ compare
- Apprendimento AutocontrollatoApprendimento automatico↔ compare
- Apprendimento semi-supervisionatoApprendimento automatico↔ compare
- Vision TransformerApprendimento profondo↔ compare
Hai notato un problema in questa pagina? Segnalalo o proponi una correzione →