Machine learningDeep learning / NLP / CV

วิทัศน์ทรานส์ฟอร์มแบบมีผู้สอนแบบอ่อน

วิทัศน์ทรานส์ฟอร์มแบบมีผู้สอนแบบอ่อน (WS-ViT) ฝึกสอนวิทัศน์ทรานส์ฟอร์มบนข้อมูลภาพที่ขาดคำอธิบายประกอบระดับพิกเซลที่แม่นยำ แต่ใช้การสอนที่ถูกกว่าและมีสัญญาณรบกวนมากกว่า เช่น แท็กคลาสระดับภาพ กล่องขอบเขต หรือข้อความที่รวบรวมจากเว็บ กลไกการใส่ใจตนเองแบบทั่วโลกของทรานส์ฟอร์มทำให้มีความสามารถเป็นพิเศษในการระบุตำแหน่งวัตถุและเรียนรู้คุณลักษณะที่แยกแยะได้จากป้ายกำกับที่ไม่สมบูรณ์เหล่านี้

เปิดใน MethodMindเร็ว ๆ นี้วิดีโอเร็ว ๆ นี้Download slides

อ่านวิธีฉบับเต็ม

สำหรับสมาชิกเท่านั้น

เข้าสู่ระบบด้วยบัญชีฟรีเพื่ออ่านส่วนนี้

เข้าสู่ระบบ

Method map

The neighbourhood of related methods — select a node to explore.

แหล่งอ้างอิง

  1. 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
  2. Zhou, Z.-H. (2022). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106

วิธีอ้างอิงหน้านี้

ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/th/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.

Compare side by side
ScholarGateWeakly supervised vision transformer (Weakly Supervised Vision Transformer (WS-ViT)). สืบค้นเมื่อ 2026-06-15 จาก https://scholargate.app/th/deep-learning/weakly-supervised-vision-transformer · ชุดข้อมูล: https://doi.org/10.5281/zenodo.20539026