Слабконавчене детектування об'єктів
Слабконавчене детектування об'єктів (WSOD) тренує детектори об'єктів, використовуючи лише мітки рівня зображення — що вказують, які класи об'єктів з'являються на зображенні — без необхідності дорогих анотацій обмежувальних рамок. Формулювання навчання з багатьма екземплярами (MIL) дозволяють моделі виявляти ймовірне місце розташування кожного класу об'єктів лише за сигналами класифікації, що значно знижує вартість анотації.
Читати метод повністю
Увійдіть із безкоштовним обліковим записом, щоб прочитати цей розділ.
Method map
The neighbourhood of related methods — select a node to explore.
Джерела
- 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 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Weakly Supervised Object Detection (WSOD). ScholarGate. https://scholargate.app/uk/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.
- Класифікація зображеньГлибоке навчання↔ compare
- Сегментація екземплярівГлибоке навчання↔ compare
- Виявлення об'єктівГлибоке навчання↔ compare
- Напівкерована виявлення об'єктівГлибоке навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Згадується в
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →