Трансформер для зображень зі слабким наглядом
Трансформер для зображень зі слабким наглядом (WS-ViT) навчає трансформер для зображень на даних зображень, яким бракує точних анотацій на рівні пікселів, натомість використовуючи дешевші, більш шумні сигнали нагляду, такі як теги класів на рівні зображення, обмежувальні рамки або текст, зібраний з Інтернету. Механізм глобальної самостійної уваги трансформера робить його особливо здатним до локалізації об'єктів та вивчення диференційних ознак з цих неповних міток.
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
- 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 ↗
- Zhou, Z.-H. (2022). A brief introduction to weakly supervised learning. National Science Review, 5(1), 44–53. DOI: 10.1093/nsr/nwx106 ↗
Як цитувати цю сторінку
ScholarGate. (2026, June 3). Weakly Supervised Vision Transformer (WS-ViT). ScholarGate. https://scholargate.app/uk/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.
- Дистиляція знаньГлибоке навчання↔ compare
- Самокероване навчанняМашинне навчання↔ compare
- Напівкероване навчанняМашинне навчання↔ compare
- Трансформер для комп'ютерного зоруГлибоке навчання↔ compare
Помітили помилку на цій сторінці? Повідомте про неї або запропонуйте виправлення →