Machine learningDeep learning / NLP / CV
약한 지도 학습 컨볼루션 신경망
약한 지도 학습 CNN은 완전한 픽셀 수준 또는 경계 상자 레이블 대신 불완전하거나, 거칠거나, 노이즈가 있는 주석으로 훈련된 컨볼루션 신경망입니다. 일반적인 약한 레이블에는 이미지 수준의 클래스 태그, 부분적인 주석 또는 크라우드 소싱된 노이즈 레이블이 포함됩니다. 이 모델은 이러한 더 저렴하고 품질이 낮은 지도 신호를 사용하여 객체를 분류하고 종종 대략적으로 위치를 파악하는 방법을 학습합니다.
방법 전문 읽기
회원 전용
로그인무료 계정으로 로그인하면 이 섹션을 읽을 수 있습니다.
Method map
The neighbourhood of related methods — select a node to explore.
출처
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Convolutional Neural Network. ScholarGate. https://scholargate.app/ko/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.
- 미세 조정된 합성곱 신경망딥러닝↔ compare
- 이미지 분류딥러닝↔ compare
- 자가 지도 합성곱 신경망딥러닝↔ compare
- Semantic segmentation딥러닝↔ compare
- 준지도학습 합성곱 신경망딥러닝↔ compare