Wykrywanie obiektów ze słabym nadzorem
Wykrywanie obiektów ze słabym nadzorem (WSOD) trenuje detektory obiektów, wykorzystując jedynie etykiety na poziomie obrazu — wskazujące, które klasy obiektów pojawiają się na obrazie — bez potrzeby kosztownych adnotacji w postaci ramek ograniczających. Formuły uczenia z wielu instancji (MIL) pozwalają modelowi odkryć prawdopodobną lokalizację każdej klasy obiektu wyłącznie na podstawie sygnałów klasyfikacyjnych, co drastycznie obniża koszt adnotacji.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/pl/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.
- Klasyfikacja obrazówUczenie głębokie↔ compare
- Segmentacja instancjiUczenie głębokie↔ compare
- Detekcja obiektówUczenie głębokie↔ compare
- Detekcja obiektów z wykorzystaniem uczenia częściowo nadzorowanegoUczenie głębokie↔ compare
- Vision TransformerUczenie głębokie↔ compare
Cytowana przez
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →