Слабо контролируемое обнаружение объектов
Слабо контролируемое обнаружение объектов (WSOD) обучает детекторы объектов, используя только метки на уровне изображений — указывающие, какие классы объектов присутствуют на изображении — без необходимости дорогостоящей разметки ограничивающими рамками. Формулировки обучения на множестве примеров (MIL) позволяют модели обнаруживать вероятное местоположение каждого класса объектов только на основе сигналов классификации, что значительно снижает затраты на разметку.
Читать метод полностью
Войдите с бесплатным аккаунтом, чтобы прочитать этот раздел.
Method map
The neighbourhood of related methods — select a node to explore.
Источники
- 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 ↗
Как цитировать эту страницу
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/ru/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.
- Классификация изображенийГлубокое обучение↔ compare
- Сегментация экземпляровГлубокое обучение↔ compare
- Обнаружение объектовГлубокое обучение↔ compare
- Полусупервизируемое детектирование объектовГлубокое обучение↔ compare
- Vision TransformerГлубокое обучение↔ compare
Упоминается в
Нашли ошибку на этой странице? Сообщите о ней или предложите исправление →