Vision Transformer Penyeliaan Lemah
Vision Transformer Penyeliaan Lemah (WS-ViT) melatih Vision Transformer pada data imej yang kekurangan anotasi peringkat piksel yang tepat, sebaliknya menggunakan penyeliaan yang lebih murah dan lebih bising seperti tag kelas peringkat imej, kotak sempadan, atau teks yang dikikis dari web. Mekanisme perhatian kendiri global transformer menjadikannya sangat berkemampuan untuk melokalkan objek dan mempelajari ciri pembezaan daripada label yang tidak lengkap ini.
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
- 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 ↗
Cara memetik halaman ini
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/ms/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.
- Penyulingan PengetahuanPembelajaran Mendalam↔ compare
- Pembelajaran Kendiri-PenyeliaanPembelajaran Mesin↔ compare
- Pembelajaran Separa SeliaPembelajaran Mesin↔ compare
- Transformer VisiPembelajaran Mendalam↔ compare
Terjumpa masalah pada halaman ini? Laporkan atau cadangkan pembetulan →