การตรวจจับวัตถุแบบมีผู้สอนแบบอ่อน
การตรวจจับวัตถุแบบมีผู้สอนแบบอ่อน (WSOD) ฝึกตัวตรวจจับวัตถุโดยใช้เพียงป้ายกำกับระดับภาพเท่านั้น ซึ่งระบุว่าคลาสวัตถุใดปรากฏในภาพ โดยไม่ต้องใช้คำอธิบายประกอบแบบกรอบสี่เหลี่ยมที่มีค่าใช้จ่ายสูง การกำหนดสูตรการเรียนรู้หลายอินสแตนซ์ (MIL) ช่วยให้โมเดลสามารถค้นหาตำแหน่งที่เป็นไปได้ของแต่ละคลาสวัตถุจากสัญญาณการจำแนกประเภทเพียงอย่างเดียว ซึ่งช่วยลดต้นทุนการใส่คำอธิบายประกอบได้อย่างมาก
อ่านวิธีฉบับเต็ม
เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้
Method map
The neighbourhood of related methods — select a node to explore.
แหล่งอ้างอิง
- 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 ↗
วิธีอ้างอิงหน้านี้
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/th/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.
- การจำแนกประเภทรูปภาพการเรียนรู้เชิงลึก↔ compare
- การแบ่งส่วนอินสแตนซ์ (Instance Segmentation)การเรียนรู้เชิงลึก↔ compare
- การตรวจจับวัตถุการเรียนรู้เชิงลึก↔ compare
- การตรวจจับวัตถุแบบกึ่งมีผู้สอนการเรียนรู้เชิงลึก↔ compare
- วิชันทรานส์ฟอร์มเมอร์การเรียนรู้เชิงลึก↔ compare