Vision Transformer com Supervisão Fraca
O Vision Transformer Supervisionado Fraco (WS-ViT) treina um Vision Transformer em dados de imagem que carecem de anotações precisas em nível de pixel, utilizando em vez disso supervisão mais barata e ruidosa, como etiquetas de classe em nível de imagem, caixas delimitadoras ou texto extraído da web. O mecanismo de autoatenção global do transformer o torna especialmente capaz de localizar objetos e aprender características discriminativas a partir desses rótulos incompletos.
Leia o método completo
Entre com uma conta gratuita para ler esta seção.
Method map
The neighbourhood of related methods — select a node to explore.
Fontes
- 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 ↗
Como citar esta página
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/pt/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.
- Destilação de ConhecimentoAprendizado profundo↔ compare
- Aprendizado AutossupervisionadoAprendizado de máquina↔ compare
- Aprendizado Semi-supervisionadoAprendizado de máquina↔ compare
- Vision TransformerAprendizado profundo↔ compare
Encontrou um problema nesta página? Relate ou sugira uma correção →