Machine learningDeep learning / NLP / CV
약한 지도 학습 이미지 분류
약한 지도 학습 이미지 분류는 컨볼루션 또는 트랜스포머 기반 네트워크를 이미지 수준의 범주 레이블, 해시태그 또는 웹에서 수집한 태그와 같이 거칠거나 불완전하거나 노이즈가 있는 지도 학습만을 사용하여 훈련하며, 정밀한 경계 상자나 픽셀 주석을 요구하지 않습니다. 이는 레이블링 비용을 크게 줄이면서도 대규모에서 높은 정확도의 시각적 인식을 가능하게 합니다.
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 ↗
- 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 ↗
이 페이지 인용 방법
ScholarGate. (2026, June 3). Weakly Supervised Image Classification (WSL-IC). ScholarGate. https://scholargate.app/ko/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.
- 미세 조정된 이미지 분류딥러닝↔ compare
- 이미지 분류딥러닝↔ compare
- 자기 지도 학습 이미지 분류딥러닝↔ compare
- 준지도 학습 이미지 분류딥러닝↔ compare
- 이미지 분류를 위한 전이 학습딥러닝↔ compare