การจำแนกภาพแบบเรียนรู้อย่างอ่อน (Weakly Supervised Image Classification)
การจำแนกภาพแบบเรียนรู้อย่างอ่อนเป็นการฝึกโครงข่ายแบบสังวัตนาการ (convolutional networks) หรือแบบทรานส์ฟอร์มเมอร์ (transformer-based networks) โดยใช้เพียงการกำกับดูแลแบบหยาบ ไม่สมบูรณ์ หรือมีสัญญาณรบกวน เช่น ป้ายกำกับระดับภาพ แฮชแท็ก หรือแท็กที่รวบรวมจากเว็บ โดยไม่จำเป็นต้องใช้กล่องขอบเขต (bounding boxes) หรือการระบุพิกเซลที่แม่นยำ วิธีนี้ช่วยลดต้นทุนการติดป้ายกำกับได้อย่างมาก ในขณะที่ยังคงสามารถจดจำภาพที่มีความแม่นยำสูงในระดับใหญ่ได้
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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. DOI: 10.1109/CVPR.2016.319 ↗
- Mahajan, D., Girshick, R., Ramanathan, V., He, K., Paluri, M., Li, Y., Bharambe, A., & van der Maaten, L. (2018). Exploring the Limits of Weakly Supervised Pretraining. Proceedings of the European Conference on Computer Vision (ECCV), 181–196. DOI: 10.1007/978-3-030-01216-8_12 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Weakly Supervised Image Classification (WSL-IC). ScholarGate. https://scholargate.app/th/deep-learning/weakly-supervised-image-classification
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.
- การจำแนกภาพแบบปรับละเอียดการเรียนรู้เชิงลึก↔ compare
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การจำแนกภาพแบบกำกับตนเองการเรียนรู้เชิงลึก↔ compare
- การจำแนกภาพแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- การเรียนรู้แบบถ่ายโอนสำหรับการจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare