Słabo nadzorowany Vision Transformer
Słabo nadzorowany Vision Transformer (WS-ViT) trenuje Vision Transformer na danych obrazowych, które nie posiadają precyzyjnych adnotacji na poziomie pikseli, zamiast tego wykorzystuje tańszy, bardziej zaszumiony nadzór, taki jak tagi klas na poziomie obrazu, ramki ograniczające lub tekst pozyskany z sieci. Mechanizm globalnej samo-uwagi transformera sprawia, że jest on szczególnie zdolny do lokalizowania obiektów i uczenia się cech różnicujących z tych niekompletnych etykiet.
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
- 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 ↗
Jak cytować tę stronę
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/pl/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.
- Destylacja wiedzyUczenie głębokie↔ compare
- Uczenie samo nadzorowaneUczenie maszynowe↔ compare
- Uczenie ze wsparciem częściowymUczenie maszynowe↔ compare
- Vision TransformerUczenie głębokie↔ compare
Widzisz błąd na tej stronie? Zgłoś go lub zaproponuj poprawkę →