Vision Transformer voor zwakke supervisie
Vision Transformer voor zwakke supervisie (WS-ViT) traint een Vision Transformer op beelddata die precieze annotaties op pixelniveau mist, en gebruikt in plaats daarvan goedkopere, ruisgevoeligere supervisie zoals klasselabels op beelddniveau, begrenzingskaders of van het web geschraapte tekst. Het globale zelf-aandachtsmechanisme van de transformer maakt het bijzonder geschikt voor het lokaliseren van objecten en het leren van onderscheidende kenmerken uit deze onvolledige labels.
Lees de volledige methode
Log in met een gratis account om dit onderdeel te lezen.
Method map
The neighbourhood of related methods — select a node to explore.
Bronnen
- 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 ↗
Deze pagina citeren
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/nl/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.
- KennisdestillatieDeep learning↔ compare
- Zelf-gesuperviseerd LerenMachine learning↔ compare
- Semi-supervised LearningMachine learning↔ compare
- Transformator voor Visuele WaarnemingDeep learning↔ compare
Een fout op deze pagina gezien? Meld het of stel een correctie voor →