Słabo nadzorowana klasyfikacja obrazów
Słabo nadzorowana klasyfikacja obrazów trenuje sieci konwolucyjne lub oparte na transformatorach, wykorzystując jedynie przybliżony, niekompletny lub zaszumiony nadzór — taki jak etykiety kategorii na poziomie obrazu, hashtagi lub tagi pobrane z sieci — bez konieczności precyzyjnego oznaczania ramek ograniczających lub pikseli. Znacząco obniża to koszt etykietowania, jednocześnie umożliwiając wysoką dokładność rozpoznawania wizualnego na dużą skalę.
Przeczytaj pełny opis metody
Zaloguj się na bezpłatne konto, aby przeczytać tę sekcję.
Method map
The neighbourhood of related methods — select a node to explore.
Źródła
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Image Classification (WSL-IC). ScholarGate. https://scholargate.app/pl/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.
- Dostrajanie klasyfikacji obrazówUczenie głębokie↔ compare
- Klasyfikacja obrazówUczenie głębokie↔ compare
- Samouczenie się klasyfikacji obrazówUczenie głębokie↔ compare
- Obrazowanie z nadzorem częściowymUczenie głębokie↔ compare
- Transfer Learning z klasyfikacją obrazówUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →