Deteksi Objek yang Diawasi Secara Lemah
Deteksi Objek yang Diawasi Secara Lemah (WSOD) melatih detektor objek hanya menggunakan label tingkat gambar — yang menunjukkan kelas objek mana yang muncul dalam sebuah gambar — tanpa memerlukan anotasi kotak pembatas yang mahal. Formulasi Multiple Instance Learning (MIL) memungkinkan model untuk menemukan kemungkinan lokasi setiap kelas objek hanya dari sinyal klasifikasi, yang secara dramatis mengurangi biaya anotasi.
Baca kaedah sepenuhnya
Log masuk dengan akaun percuma untuk membaca bahagian ini.
Method map
The neighbourhood of related methods — select a node to explore.
Sumber
- Bilen, H., & Vedaldi, A. (2016). Weakly supervised deep detection networks. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2846–2854. DOI: 10.1109/CVPR.2016.311 ↗
- Tang, P., Wang, X., Bai, X., & Liu, W. (2017). Multiple instance detection network with online instance classifier refinement. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR), pp. 2843–2851. DOI: 10.1109/cvpr.2017.326 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/ms/deep-learning/weakly-supervised-object-detection
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.
- Klasifikasi ImejPembelajaran Mendalam↔ compare
- Segmentasi InstansPembelajaran Mendalam↔ compare
- Pengesanan ObjekPembelajaran Mendalam↔ compare
- Pengesanan Objek Separa-SeliaanPembelajaran Mendalam↔ compare
- Transformer VisiPembelajaran Mendalam↔ compare
Dirujuk oleh
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →