เปรียบเทียบวิธี

	การจำแนกภาพแบบเรียนรู้อย่างอ่อน (Weakly Supervised Image Classification)	การจำแนกภาพแบบปรับละเอียด
สาขาวิชา	การเรียนรู้เชิงลึก	การเรียนรู้เชิงลึก
ตระกูล	Machine learning	Machine learning
ปีกำเนิด	2014–2016	2010–2014
ผู้ริเริ่ม	Multiple contributors; class activation map approach: Zhou et al.	Yosinski, J. et al.; Pan, S. J. & Yang, Q.
ประเภท	Weakly supervised deep learning paradigm	Transfer learning / fine-tuning
แหล่งต้นตำรับ	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.	Yosinski, J., Clune, J., Bengio, Y., & Lipson, H. (2014). How transferable are features in deep neural networks? Advances in Neural Information Processing Systems (NeurIPS), 27, 3320–3328.
ชื่อเรียกอื่น	WSL image classification, image-level supervised classification, noisy-label image classification, weakly labeled visual recognition	fine-tuning for image recognition, transfer learning image classifier, pretrained CNN fine-tuning, domain-specific image classifier
ที่เกี่ยวข้อง	5	5
สรุป	Weakly supervised image classification trains convolutional or transformer-based networks using only coarse, incomplete, or noisy supervision — such as image-level category labels, hashtags, or web-scraped tags — without requiring precise bounding boxes or pixel annotations. This dramatically reduces labeling cost while still enabling high-accuracy visual recognition at scale.	Fine-tuned image classification adapts a large neural network pretrained on a broad image corpus (such as ImageNet) to a specific target domain by continuing training on labeled domain images. This approach achieves strong accuracy with far fewer target-domain samples than training from scratch, making it the dominant paradigm for applied computer vision tasks.